scikit-learn-AI
文章平均质量分 86
GIS 数据栈
热泪盈眶的生活!
展开
-
使用 ArcGIS Pro 进行土地利用分类的机器学习和深度学习
下面是一个例子,说明最后一类的票数最高,在这种情况下,在一个水果篮中,我们有 2 棵苹果树和 1 棵香蕉树,最后一类将被定义为苹果,用于展示 2/3总票数。工具中使用它,之后使用一些参数作为模型的基础,以及一个 45°使用旋转角度,这将有助于增加我的图像(样本)。现在是最期待的一步,我们要测试我们的模型,我将使用相同的组合,但在不同的地方训练。技术进行分类,在这种分类中可以使用两种类型的方法,例如无监督或监督,并联合使用,称为混合分类。定义类后,我创建了多边形格式的样本,包含要作为一个整体分类的图像。原创 2023-04-12 17:31:22 · 2692 阅读 · 2 评论 -
使用卫星图像进行作物类型分类
如上所述,我们使用了来自 Sentinel-2 的十个波段、两个额外的索引波段和两个来自 Sentinel-1 的波段。我们只选择作物类的指标,因为它们是我们的主要类,而其他类是补充类,以提高模型在作物类上的性能。对于不同强度级别的城市地区,遵循相同的程序。如您所见,Sentinel-1 和 Sentinel-2 的组合为我们的作物类别提供的结果比仅使用 Sentinel-2 稍微好一些。如果您对 Sentinel-2 图像感兴趣,可以阅读我们的博客,了解我们用于下载 Sentinel-2 图像的工具。原创 2023-03-06 16:40:13 · 964 阅读 · 4 评论 -
sklearn 人脸识别
1.原始数据加载import matplotlib.pyplot as pltfrom sklearn.datasets import fetch_lfw_peoplepeople=fetch_lfw_people(min_faces_per_person=20,resize=0.7)image_shapes=people.images[0].shapefig,axes=plt.sub原创 2018-01-03 17:43:04 · 1043 阅读 · 1 评论 -
scikit-learn---PCA(Principle Component Analysis)---KNN(image classifier)
摘要:PCA为非监督分类方法,常用于数据降维、为监督分类数据预处理,本例采用PCA对人脸特征提取先做降维处理,然后使用KNN算法对图片进行分类1.PCA简介设法将原来变量重新组合成一组新的互相无关的几个综合变量,同时根据实际需要从中可以取出几个较少的综合变量尽可能多地反映原来变量的信息的统计方法叫做主成分分析或称主分量分析,也是数学上用来降维的一种方法。在本例中,主要用于降维处理原创 2018-01-04 23:01:41 · 422 阅读 · 0 评论