techniques (satellite-image-deep-learning/techniques)

Searching Database…

这是什么东西?一份精选的深度学习资源清单,专门针对卫星和航空影像,涵盖分类、分割、目标检测等任务的架构、模型和算法。
所以它不是一个可以安装的库,而是一堆参考资料?没错:它只是一个整理好的 README,里面是论文和 GitHub 仓库的链接,不是可以安装的软件。你浏览它,点链接去看实际的代码。
里面的内容是怎么组织的?按 Techniques(技术)板块下的技术和任务来分,还有分类、水体与海岸线与河流与洪水分割、建筑和道路提取、变化检测、全色锐化等小节。
这么长的列表,我怎么找到具体想看的东西?README 会让你直接在页面上搜索:Mac 上用 Command+F,Windows 上用 CTRL+F,查找某个技术名称,比如 'SAM'。
它列出了一些什么技术示例?有一些具体的仓库,比如用于道路和建筑提取的 PyTorch U-Net、云检测器、变化检测网络,以及把卫星图像转换成地图图像的 pix2pix 模型。
它是否涵盖像 Sentinel-2 这样具体的卫星计划?有。比如它列出了 KappaMask,一个专为 Sentinel-2 Level-1C 和 Level-2A 产品打造的云检测器,而且仓库上还打了 Sentinel 相关的标签。
每个条目只是引用论文,还是有可以直接运行的代码?大多数条目都链接到 GitHub 仓库,而且往往是论文的官方实现(U-Net 道路提取、基于 SAM 的农田制图、Siamese 变化检测网络),你可以克隆下来直接运行。
里面收录了比赛获奖的方法吗?有。这个清单引用了 xView 目标检测挑战赛的顶尖方案,以及从雷达影像绘制洪水范围的 STAC Overflow 比赛的获胜者作品。
什么样的人最能从这个清单中受益?已经掌握深度学习基础、想把这些方法应用到遥感数据上的研究人员和工程师。这些条目默认你熟悉 U-Net、分割、多光谱影像这类术语。
Size
29.4 MB
Stars
10.3K
Age
8y
Commits · 90 Days