中国首个2.5m精度建筑屋顶面积影像数据

中国首个2.5m精度建筑屋顶面积影像数据

图片

数据介绍

  建筑屋顶面积(BRA)的大型和最新地图对于制定政策决策和可持续发展至关重要。此外,作为人类活动的细粒度指标,BRA可以为城市规划和能源建模做出贡献,为人类福祉带来好处。然而,现有的大规模BRA数据集,如Microsoft和谷歌的数据集,不包括中国,因此中国没有BRA的全覆盖地图。为此,我们根据2016-2021年的Sentinel-2图像制作了分辨率为2.5米的多年中国建筑屋顶面积数据集(CBRA)。CBRA是中国首个全覆盖、多年一度的BRA数据。CBRA在城市地区取得了良好的F1得分,基于250,000个测试样本的F1得分为62.55%(与中国之前的BRA数据相比+10.61%),基于农村地区的30,000个测试样本,召回率为78.94%。

  CBRA 以GeoTIFF(.tif)栅格文件格式组织,具有单个波段和GCS_WGS_1984坐标系。像素值为 0 和 255,其中 0 表示背景,255 表示建筑物屋顶区域。此外,为了方便数据的使用,CBRA 被分成 215 个空间网格图块,命名为“CBRA_year_E/W**N/S**.tif”,其中“year”是采样年份,“E/W**N/S**”是图块数据左上角的纬度和经度坐标。

方法:

图片

数据说明

采集时间2016/01/01  -  2021/12/31
采集地点中国
数据量21.5 GiB
数据格式tif
数据空间分辨率(/米)2.5m
数据时间分辨率
坐标系WGS84

中国首个2.5m精度建筑屋顶面积影像数据发布

  • 5
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TensorFlow 2.5 中的混合精度训练可以通过使用 tf.keras.mixed_precision API 来实现。混合精度训练可以加快训练速度,同时减少 GPU 内存的使用。 要使用混合精度训练,需要先将模型的 dtype 设置为 float16,然后使用 tf.keras.mixed_precision.experimental.set_policy() 函数来设置混合精度策略。 以下是一个使用混合精度训练的示例: ```python import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers from tensorflow.keras.mixed_precision import experimental as mixed_precision # 设置混合精度策略 policy = mixed_precision.Policy('mixed_float16') mixed_precision.set_policy(policy) # 构建模型 model = keras.Sequential([ layers.Dense(64, input_shape=(32,), activation='relu'), layers.Dense(10, activation='softmax') ], dtype='float16') # 编译模型 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 加载数据集 (train_images, train_labels), (test_images, test_labels) = keras.datasets.mnist.load_data() train_images = train_images.reshape((60000, 28 * 28)).astype('float16') / 255 test_images = test_images.reshape((10000, 28 * 28)).astype('float16') / 255 # 训练模型 model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels)) ``` 在上面的示例中,我们先设置混合精度策略,然后构建模型时将 dtype 设置为 float16,编译模型时指定优化器、损失函数和评估指标,最后使用 fit() 函数训练模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值