- 全球土地造型的叶子性状估计在生物体层面，植物性状是可测量的形态学、解剖学、生理学和物候学特征，可以影响个体的建立、健身和生存。这些可测量的特征为解释全球碳、水、能量通量和生物多样性的长期（如年度）模式提供了基本信息。我们提供了唯一的基于遥感的全球1公里空间分辨率的叶片特征图。特别是，我们提出了特定叶面积（SLA）、叶干物质含量（LDMC）、每干重叶氮含量（LNC）和每干重叶磷含量（LPC）... 全球土地造型的叶子性状估计在生物体层面，植物性状是可测量的形态学、解剖学、生理学和物候学特征，可以影响个体的建立、健身和生存。这些可测量的特征为解释全球碳、水、能量通量和生物多样性的长期（如年度）模式提供了基本信息。我们提供了唯一的基于遥感的全球1公里空间分辨率的叶片特征图。特别是，我们提出了特定叶面积（SLA）、叶干物质含量（LDMC）、每干重叶氮含量（LNC）和每干重叶磷含量（LPC）...
- 人工智能领域中，提问问题的耦合度（Coupling）通常指问题与数据之间的联系程度，即问题对数据的依赖程度。具体来说，问题的耦合度越高，说明问题需要更多的信息和背景知识才能得到正确的答案；反之，耦合度越低，问题所需的信息和背景知识越少，答案也更容易得到。例如，对于以下两个问题：(1) 计算机视觉中的目标检测算法有哪些？(2) 如何检测图像中的人脸？第一个问题的耦合度相对较低，因为它只需要知道... 人工智能领域中，提问问题的耦合度（Coupling）通常指问题与数据之间的联系程度，即问题对数据的依赖程度。具体来说，问题的耦合度越高，说明问题需要更多的信息和背景知识才能得到正确的答案；反之，耦合度越低，问题所需的信息和背景知识越少，答案也更容易得到。例如，对于以下两个问题：(1) 计算机视觉中的目标检测算法有哪些？(2) 如何检测图像中的人脸？第一个问题的耦合度相对较低，因为它只需要知道...
- 卷积操作是一种线性操作，通常用于处理信号和图像等数据。在图像处理中，卷积操作可以用于提取图像的特征，例如边缘、纹理等。卷积操作是通过卷积核（也称滤波器）与输入数据进行逐元素乘积、求和运算的过程，从而得到卷积特征图。卷积核可以看作是一种模板，用于提取输入数据中的局部特征。在每个位置上，卷积核都会与输入数据中对应的元素进行逐元素乘积、求和运算，从而得到卷积特征图中对应位置的元素。具体来说，假设输... 卷积操作是一种线性操作，通常用于处理信号和图像等数据。在图像处理中，卷积操作可以用于提取图像的特征，例如边缘、纹理等。卷积操作是通过卷积核（也称滤波器）与输入数据进行逐元素乘积、求和运算的过程，从而得到卷积特征图。卷积核可以看作是一种模板，用于提取输入数据中的局部特征。在每个位置上，卷积核都会与输入数据中对应的元素进行逐元素乘积、求和运算，从而得到卷积特征图中对应位置的元素。具体来说，假设输...
- 美国国家森林类型和组别森林类型该数据集描绘了美国全国和阿拉斯加的141种森林类型。这些数据来自于2002年和2003年生长季节的MODIS综合图像，并结合其他近100个地理空间数据层，包括海拔、坡度、坡度和生态区域。该数据集是由美国林业局森林资源调查与分析和森林健康监测项目以及美国林业局地理空间技术与应用中心合作开发的。该数据集的目的是描绘美国森林覆盖的广泛分布模式，并为国家规模的建模项目... 美国国家森林类型和组别森林类型该数据集描绘了美国全国和阿拉斯加的141种森林类型。这些数据来自于2002年和2003年生长季节的MODIS综合图像，并结合其他近100个地理空间数据层，包括海拔、坡度、坡度和生态区域。该数据集是由美国林业局森林资源调查与分析和森林健康监测项目以及美国林业局地理空间技术与应用中心合作开发的。该数据集的目的是描绘美国森林覆盖的广泛分布模式，并为国家规模的建模项目...
- 树冠高度：加拿大的森林生态系统该数据集包含两幅来自加拿大森林生态系统的树冠高度图，空间分辨率为250米，其中一幅使用来自空间激光雷达GEDI的信息，另一幅来自ICESat-2。GEDI和ICESat-2在获取加拿大的树冠高度信息方面有其特殊性--前者提供更准确的植被信息，但在加拿大没有达到全覆盖，而后者不是专门为提供植被信息而设计的，但有一个全球覆盖。我们使用ICESat-2卫星的ATL0... 树冠高度：加拿大的森林生态系统该数据集包含两幅来自加拿大森林生态系统的树冠高度图，空间分辨率为250米，其中一幅使用来自空间激光雷达GEDI的信息，另一幅来自ICESat-2。GEDI和ICESat-2在获取加拿大的树冠高度信息方面有其特殊性--前者提供更准确的植被信息，但在加拿大没有达到全覆盖，而后者不是专门为提供植被信息而设计的，但有一个全球覆盖。我们使用ICESat-2卫星的ATL0...
- 加拿大陆地卫星得出的1985-2020年森林采伐扰动情况本产品所包含的年度森林变化数据是全国性的（整个森林生态系统），代表了加拿大在30米空间分辨率下的墙到墙的采伐特征。信息成果代表了加拿大森林36年的采伐变化，来自一个单一的、一致的、空间明确的数据源，以完全自动化的方式得出。这种在捕捉人类影响的分辨率下描述森林特征的能力，对于从管理和科学的角度建立详细监测森林生态系统的基线至关重要。La... 加拿大陆地卫星得出的1985-2020年森林采伐扰动情况本产品所包含的年度森林变化数据是全国性的（整个森林生态系统），代表了加拿大在30米空间分辨率下的墙到墙的采伐特征。信息成果代表了加拿大森林36年的采伐变化，来自一个单一的、一致的、空间明确的数据源，以完全自动化的方式得出。这种在捕捉人类影响的分辨率下描述森林特征的能力，对于从管理和科学的角度建立详细监测森林生态系统的基线至关重要。La...
- 【Datawhale动手学深度学习笔记】多层感知机代码实践 【Datawhale动手学深度学习笔记】多层感知机代码实践
- 本期将提供一个利用深度学习进行花卉图片分类的案例，并使用迁移学习的方法解决训练数据较少的问题。图片分类是根据图像的语义信息对不同的图片进行区分，是计算机视觉中的基本问题，也是图像检测、图像分割、物体跟踪等高阶视觉任务的基础。在深度学习领域，图片分类的任务一般基于卷积神经网络来完成，如常见的卷积神经网络有 VGG、GoogleNet、ResNet 等。而在图像分类领域，数据标记是最基础和烦琐的工作。 本期将提供一个利用深度学习进行花卉图片分类的案例，并使用迁移学习的方法解决训练数据较少的问题。图片分类是根据图像的语义信息对不同的图片进行区分，是计算机视觉中的基本问题，也是图像检测、图像分割、物体跟踪等高阶视觉任务的基础。在深度学习领域，图片分类的任务一般基于卷积神经网络来完成，如常见的卷积神经网络有 VGG、GoogleNet、ResNet 等。而在图像分类领域，数据标记是最基础和烦琐的工作。
- 环境准备 Anaconda 下载Anaconda官网：https://www.anaconda.com/products/distributionwget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh 安装sh Anaconda3-2022.10-Linux-x86_64.sh跟着屏幕提示输入需要信息... 环境准备 Anaconda 下载Anaconda官网：https://www.anaconda.com/products/distributionwget https://repo.anaconda.com/archive/Anaconda3-2022.10-Linux-x86_64.sh 安装sh Anaconda3-2022.10-Linux-x86_64.sh跟着屏幕提示输入需要信息...
- 即使我们可以利用反向传播来进行优化，但是训练过程中仍然会出现一系列的问题，比如鞍点、病态条件、梯度消失和梯度爆炸，对此我们首先提出了小批量随机梯度下降，并且基于批量随机梯度下降的不稳定的特点，继续对其做出方向和学习率上的优化。 即使我们可以利用反向传播来进行优化，但是训练过程中仍然会出现一系列的问题，比如鞍点、病态条件、梯度消失和梯度爆炸，对此我们首先提出了小批量随机梯度下降，并且基于批量随机梯度下降的不稳定的特点，继续对其做出方向和学习率上的优化。
- PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。 本文主要介绍深度学习领域中自然语言处理与强化学习部分。 PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。 本文主要介绍深度学习领域中自然语言处理与强化学习部分。
- PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。 本文主要介绍深度学习框架中PyTorch部分。 PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。 本文主要介绍深度学习框架中PyTorch部分。
- PyTorch 是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得 PyTorch 代码更易理解，对新手非常友好。 本文主要介绍 PyTorch 环境搭建！ PyTorch 是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得 PyTorch 代码更易理解，对新手非常友好。 本文主要介绍 PyTorch 环境搭建！
- 深度学习领域技术的飞速发展，给人们的生活带来了很大改变。例如，智能语音助手能够与人类无障碍地沟通，甚至在视频通话时可以提供实时翻译；将手机摄像头聚焦在某个物体上，该物体的相关信息就会被迅速地反馈给使用者；在购物网站上浏览商品时，机器也在同时分析着用户的偏好，并及时个性化地推荐用户可能感兴趣的商品。原先以为只有人类才能做到的事，现在机器也能毫无差错地完成，甚至超越人类，这显然与深度学习的发展密不可分 深度学习领域技术的飞速发展，给人们的生活带来了很大改变。例如，智能语音助手能够与人类无障碍地沟通，甚至在视频通话时可以提供实时翻译；将手机摄像头聚焦在某个物体上，该物体的相关信息就会被迅速地反馈给使用者；在购物网站上浏览商品时，机器也在同时分析着用户的偏好，并及时个性化地推荐用户可能感兴趣的商品。原先以为只有人类才能做到的事，现在机器也能毫无差错地完成，甚至超越人类，这显然与深度学习的发展密不可分
- Mapbiomas年度土地覆盖和使用地图巴西年度土地利用和土地覆盖制图项目是一个由生物群落、土地利用、遥感、地理信息系统和计算机科学专家组成的合作网络，依靠谷歌地球引擎平台及其云处理和自动分类器功能，生成巴西的年度土地利用和土地覆盖时间序列。MapBiomas项目--是一个多机构倡议，利用应用于卫星图像的自动分类过程生成年度土地覆盖和使用地图。该项目的完整描述可以在这里找到。比例尺。30米,... Mapbiomas年度土地覆盖和使用地图巴西年度土地利用和土地覆盖制图项目是一个由生物群落、土地利用、遥感、地理信息系统和计算机科学专家组成的合作网络，依靠谷歌地球引擎平台及其云处理和自动分类器功能，生成巴西的年度土地利用和土地覆盖时间序列。MapBiomas项目--是一个多机构倡议，利用应用于卫星图像的自动分类过程生成年度土地覆盖和使用地图。该项目的完整描述可以在这里找到。比例尺。30米,...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
苏州工业园区“华为云杯”2025人工智能应用创新大赛赛中直播2025/08/21 周四 16:00-17:00
Vz 华为云AIoT技术布道师
本期直播将与您一起探讨如何基于华为云IoT平台全场景云服务，结合AI、鸿蒙、大数据等技术，打造有创新性，有竞争力的方案和产品。
回顾中
热门标签