![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
crush的学习记录
文章平均质量分 69
crushqqi
本遥感硕农业,复制粘贴调参方向。
展开
-
【C++学习记录】(二)--一个C++工程文件里有哪些东西?
首先,我有一个完整的C++工程文件,文件分别是包含Debug、include、Service和src。1.了解文件结构: 首先,查看每个文件夹中的内容以了解文件的组织结构。Debug文件夹通常包含与调试相关的文件,include文件夹可能包含头文件 (.h文件),Service文件夹可能包含服务类或模块,而src文件夹可能包含源代码文件 (cpp文件)2.阅读文件: 逐个打开每个文件,阅读其中的代码。尝试阅读和理解每行代码的作用。注意代码中的注释,它们可以提供对代码功能和实现的解释。原创 2023-07-18 15:05:41 · 1226 阅读 · 4 评论 -
【C++ 学习记录】(一)--你好,C++
工作需要,重学C++,实在是太痛苦了,大二的时候应试就没学会!!原创 2023-07-18 11:00:40 · 328 阅读 · 4 评论 -
【论文阅读笔记】 基于无人机多光谱影像的水稻叶面积指数预测
Plant Methods//Remote estimation of rice LAI based on Fourier spectrum texture from UAV image以往的研究表明,遥感图像的光谱特征可以作为估计植被生长参数的有效指标。然而,高分辨率遥感图像的纹理特征很少用于此目的。此外,纹理特征与植被生长参数之间的物理机制尚不清楚。在这项研究中,一种基于无人机图像的傅里叶光谱纹理被开发用于估计水稻叶面积指数。并分析了傅里叶光谱纹理与水稻叶面积指数的关系。结果表明,傅里叶谱纹理可以提高原创 2023-03-29 16:50:30 · 497 阅读 · 6 评论 -
【python】批量实现modis数据的辐射定标,大气校正及地形校正
批量实现modis数据预处理原创 2023-02-28 16:29:33 · 2145 阅读 · 4 评论 -
【论文笔记】RSE//结合遥感数据和气象数据改进关中平原小麦产量估算的LSTM神经网络
1.材料与方法计算植被温度条件指数(VTCI)和叶面积指数(LAI)两个遥感指标;主要采用:1km空间分辨率的LST产品、1km空间分辨率的表面反射率数据产品、空间分辨率为500m的4天MODIS LAI数据气象数据与小麦产量数据:主要采用:中国气象局测量的关中平原各县的日降水量和温度数据、陕西省农村年鉴中记录的关中平原各县2007-2017年冬小麦产量数据。研究方法:LSTM、BP和支持向量机。2.LSTM深度神经网络模型作者建立了一个用于小麦产量估算的5层深层神经网络模型,如图3所示,该模原创 2022-05-19 22:08:31 · 830 阅读 · 2 评论 -
【论文笔记】无人机结合纹理,颜色,光谱特征反演冬小麦LAI和LDM
Combining texture, color, and vegetation indices from fixed-wing UAS imagery to estimate wheat growth parameters using multivariate regression methods无人机结合纹理,颜色,光谱特征反演冬小麦LAI和LDM(叶干生物量)1.摘要:近年来,无人机系统(UASs)发展迅速,广泛应用于作物遥感(RS)。植被指数(VI)和颜色指数(CI)是监测作物中常用的RS方原创 2022-05-03 18:44:22 · 1273 阅读 · 0 评论 -
【实验记录】--大疆智图的辐射定标
50%和75%两块漫反射标准板进行辐射校正时的使用说明1.标准板虽然是漫反射体,在野外测量时,尽可能使用0°观测,也就是观测方向垂直于白线板(法线),入射到白板上的光的入射角(白板法线交角)保持在10-40°之内,在这个条件下使测量数据更可靠。2.拍摄要求:大疆智图在合成二维多光谱时更新了辐射定标的功能,需要辅助定制的校正板子配合使用,根据大疆官方给出的教程,在拍摄无人机图像时,对放置的板子进行悬停拍摄,悬停高度为板子宽度的7倍距离,约1米~1.1米。使用GS PRO进行常规航线任务设置。3.漫反射目原创 2022-04-12 21:54:45 · 2012 阅读 · 2 评论 -
无人机影像的纹理特征提取【ENVI+Python】--纯操作无原理
今天看了张琦琦同学三月新发表的一篇forests文章,顺便学习了一下以前一直早有耳闻但从来不会的遥感影像纹理特征提取的操作(我是小辣鸡),做个学习记录~今天用到的示例数据是今年一月初的精灵4多光谱P4M获取的冬小麦影像,包含五个波段R,G,B,Nir,RedEdge。主要包含辐射定标,layer stacking,PCA,提取第一主成分,基于GLCM提取纹理特征(Co-occurrence Measures)。8种纹理因子:均值(Mean)、方差(Variance)、协同性(Homogeneity)、原创 2022-04-11 22:52:18 · 6335 阅读 · 20 评论 -
【论文笔记】Crop phenotyping in a context of Global Change: what to measure and how to do it
【论文笔记】Crop phenotyping in a context of Global Change: what to measure and how to do it全球变化背景下的作物表型:测什么&如何去做1.摘要:High-throughput crop phenotyping, particularly under field conditions, is nowadays perceived as a key factor limiting crop genetic advan原创 2021-12-10 11:21:03 · 890 阅读 · 1 评论 -
【学习记录】WBF--加权框融合,优化目标检测的SOTA
WBF–加权框融合,已经成为优化目标检测的SOTA了。如果你熟悉目标检测的工作原理,你可能知道总有一个主干CNN来提取特征。还有一个阶段是,生成区域建议(region proposal)–可能的建议框,或者是过滤已经提出的建议区域。这里的主要问题是,要么物体检测任务出现一物多框,要么生成的边框不够,最终导致平均精度较低的原因。目前其实已经提出了一些算法来解决这个问题。1.比如我们常见的NMS–非极大抑制。但是其实,对于遮挡问题较为严重的检测任务,在一些目标密集的区域,可能包含多个标签,这意味着将出现一框原创 2021-12-07 11:52:08 · 1734 阅读 · 10 评论 -
【论文笔记】Fully automated region of interest segmentation pipeline for UAV based RGB images
Fully automated region of interest segmentation pipeline for UAV based RGB images1.摘要Unmanned Aerial Vehicles (UAVs) have exhibited its potential for efficient and noninvasive crop data acquisition in high throughput crop phenotyping. In general, for an原创 2021-11-25 16:16:37 · 470 阅读 · 1 评论 -
【实验记录】yolov5的一些改进tricks总结--持续更ing
【实验记录】yolov5的一些改进tricks总结1.在yolov5上增加小目标检测层link2.在yolov5上增加注意力机制link原创 2021-11-04 14:57:38 · 43184 阅读 · 62 评论 -
「数据可视化记录」Origin:多组数据散点图的绘制(带对角线)及多组graph的组合排版
「数据可视化记录」Origin:多组数据散点图的绘制(带对角线)及多组graph的组合排版在回归预测分析的论文里,经常看见这种训练集和测试集同时分布的散点图,对角线的存在是看模型预测结果与真实值的偏差情况。之前尝试过用python绘制,今天试一下用origin画画,虽然很简单,但我还是要记一下滴~**目标:****一、基础散点图**在excel整理好两组数据,即训练集和测试集的y_true和y_pre,复制到origin的table里,大概这个格式。绘图-散点图-散点图得到基础散点图,双击原创 2021-10-27 16:58:05 · 32036 阅读 · 9 评论 -
「目标检测」中,如何提高mAP,优化数据集?
「目标检测」中,如何提高mAP,优化数据集?以yolov5举例,源码一、在detect.py中的两个概念:1.conf_thres:confidence threshold 置信度阈值,表示只显示预测概率超过conf_thres的预测结果,如果想让yolo只标记可能性高的地方,就把这个参数提高。2.iou_thres:交并比阈值,表示预测框与真实框的交集与并集的取值。越大,则容易将对于同一个物品的不同预测结果 当成 对多个物品的多个预测结果,导致一个物品出现了多个预测结果。越小,则容易将对于多个原创 2021-10-22 15:33:38 · 4729 阅读 · 7 评论 -
【学习记录】win10搭建YOLOX训练自己的VOC数据集
我是目录:前言:1.yolox的训练配置2.yolox源码3.必要的环境配置yolox所需环境1.安装依赖库2.安装yolox3.安装apex4.下载预训练模型4.准备自己的数据集构建VOC数据集5.训练6.测试总结:前言:基于VOC数据集的yolox踩坑记录,包括环境配置,数据集的制作,模型训练和检测。1.yolox的训练配置1.1300epoch的训练长度,其中,前5个epoch使用warmup学习率策略;优化器使用标配的SGD;1.2多尺度训练:448-832,不再是以往的320-608了原创 2021-08-23 17:40:23 · 4550 阅读 · 9 评论 -
联邦学习笔记
Get了新知识之联邦学习传统机器学习算法被大家关注很久了,本菜鸟也在各种海量教程中跑通了深度学习的一众算法。昨天傍晚闲来,有幸和某985计算机博士探讨对象分享的一篇10分农学方面的sci,它到底亮眼在哪里。大佬惊叹,10分在计算机领域,都是ccf a或者中科院一区的水平。惊呼!作者那一栏都可以组队去打狼了,全是一众合作(提供数据)的科研机构。也许就是因为他的工作量巨大,研究站点遍布全国,因此得到的结论更加具有普适意义和真正意义上的应用价值。相比于搜集全国站点数据这种庞大的工作量,大佬说,这就涉及到他的研原创 2021-07-31 17:05:50 · 508 阅读 · 4 评论