《遥感原理与应用》第三版——思维导图

最新推荐文章于 2023-10-17 11:21:19 发布

GISer阿兴

最新推荐文章于 2023-10-17 11:21:19 发布

阅读量3k

点赞数 19

分类专栏：遥感文章标签： gis 思维导图

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_43542339/article/details/109787244

版权

遥感专栏收录该内容

6 篇文章

订阅专栏

手动总结《遥感原理与应用》第三版知识点思维导图
免费会员过期了导致第三章内容被切开

第1~3章

在这里插入图片描述

第3~5章

在这里插入图片描述

第6章

在这里插入图片描述

第7章

在这里插入图片描述

第8章

在这里插入图片描述

第9章

图片下载链接：百度网盘链接，提取码：4fjk

博客等级

码龄7年

29
原创

259
点赞

687
收藏

217
粉丝

关注

私信

热门文章

分类专栏

大模型 3篇
教程 3篇
遥感 6篇

最新评论

Arcgis动态图制作——以全国各省情绪变化地图为例
2401_88728595: 为什么转置失败呀？输出是空白表
【入门教程】基于深度学习的遥感图像分割流程（附代码）
一打雪碧: [code=python] import numpy as np from PIL import Image # 图片文件路径 image_path = "./wh0043.jpg" # 对应的标签路径 label_path = "./wh0043.png" image = Image.open(image_path) print(f"image.mode：{image.mode}") # image.mode：RGB image.show() # label是P模式的，使用Image.open()打开，其实为单通道。但是使用.show()，是可以正常显示颜色的 label_image_p_mode = Image.open(label_path) print(f"label_image_p_mode.mode：{label_image_p_mode.mode}") # label_image_p_mode.mode：P label_image_p_mode.show() # 得到P模式下标签图片的数组 label_arr_p_mode = np.array(label_image_p_mode) print(f"label_arr.shape：{label_arr_p_mode.shape}") # label_arr.shape：(256, 256) print(f"label_arr_p_mode.min()：{label_arr_p_mode.min()}, label_arr_p_mode.max()：{label_arr_p_mode.max()}") # label_arr_p_mode.min()：1, label_arr_p_mode.max()：5 # 将P模式的标签图片转为RGB模式 label_image_rgb = label_image_p_mode.convert("RGB") print(f"label_image_rgb.mode：{label_image_rgb.mode}") # label_image_rgb.mode：RGB label_image_rgb.show() label_arr_rgb_mode = np.array(label_image_rgb) print(f"label_ [/code]
【入门教程】基于深度学习的遥感图像分割流程（附代码）
一打雪碧: 还有一点我觉得需要说一下，whdld数据集给的图片格式是.jpg，而label格式是.png。这个数据集应该是用labelme标注的。当使用PIL.Image.open()打开图片时，前者mode识别为'RGB'，后者为'P。最重要的是，我们看到的label图片，是彩色的.png格式图片，但是使用PIL.Image.open()打开label图片时，得到的不是多通道的数据，而是单通道的数据。这个数组里面的每个值，就是对应像素的标记，不过是从1到6进行标记的。而进行神经网络训练，对于一个(3,256,256)的图片最后输出的数据通道是(class_num, 512,512)，经过argmax()，得到(512,512)，里面每个数都是0~class_num-1的数据。所以在训练、验证时，对于使用PIL.Image.open()打开的label图片，我们要-1。而对于test数据集，我们并不会用到它的label，所以，就不需要对label进行-1操作了。
【入门教程】基于深度学习的遥感图像分割流程（附代码）
一打雪碧: 当然了，感谢楼主的精彩博文。
【入门教程】基于深度学习的遥感图像分割流程（附代码）
一打雪碧: config_dataset.yaml里面的数据不对。应该是： [code=python] cls_dict: building: color: [ 255, 0, 0 ] cls: 0 road: color: [ 255, 255, 0 ] cls: 1 pavement: color: [ 192, 192, 0 ] cls: 2 vegetation: color: [ 0, 255, 0 ] cls: 3 bare_soil: color: [ 128, 128, 128 ] cls: 4 water: color: [ 0, 0, 255 ] cls: 5 [/code] 另外，visualization.py的display_single_image()函数中，取label、pred也不对，应该是： [code=python] label = Image.open(os.path.join(self.label_folder, image_name.split(".")[0] + ".png")) pred = Image.open(os.path.join(self.preds_color_folder, image_name.split(".")[0] + ".tif")) [/code]

最新文章

目录

评论 18

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。