- 加拿大森林生态系统的高分辨率年度林地覆盖图（1984-2019）¶森林土地覆盖图的年度时间序列在全国范围内（整个 6.5 亿公顷森林生态系统），代表了从 1984 年到 2019 年的逐年土地覆盖特征。这些时间序列土地覆盖图是从每年的时间制作的 - 一系列 Landsat 图像合成、森林变化信息以及辅助地形和水文数据，遵循 Hermosilla 等人描述的框架。 (2022)，它建立在 H... 加拿大森林生态系统的高分辨率年度林地覆盖图（1984-2019）¶森林土地覆盖图的年度时间序列在全国范围内（整个 6.5 亿公顷森林生态系统），代表了从 1984 年到 2019 年的逐年土地覆盖特征。这些时间序列土地覆盖图是从每年的时间制作的 - 一系列 Landsat 图像合成、森林变化信息以及辅助地形和水文数据，遵循 Hermosilla 等人描述的框架。 (2022)，它建立在 H...
- 全球森林碳通量（2001-2021）森林碳净通量是指2001年至2021年期间森林与大气之间的碳净交换量，计算方法是模型期间森林排放的碳与森林移除（或封存）的碳之间的平衡（兆克CO2排放量/公顷）。净碳通量的计算方法是将每个建模像素的年平均总清除量减去年平均总排放量；负值是指2001年至2021年期间森林为净碳汇，正值是指森林为净碳源。根据Hansen等人（2013）的全球森林变化树木覆盖... 全球森林碳通量（2001-2021）森林碳净通量是指2001年至2021年期间森林与大气之间的碳净交换量，计算方法是模型期间森林排放的碳与森林移除（或封存）的碳之间的平衡（兆克CO2排放量/公顷）。净碳通量的计算方法是将每个建模像素的年平均总清除量减去年平均总排放量；负值是指2001年至2021年期间森林为净碳汇，正值是指森林为净碳源。根据Hansen等人（2013）的全球森林变化树木覆盖...
- ETH Global Sentinel-2 10米冠层高度（2020年）全世界的植被高度变化是全球碳循环的基础，也是生态系统及其生物多样性运作的核心。管理陆地生态系统、缓解气候变化和防止生物多样性的丧失，需要地理空间上的明确信息，而且最好是高度解析的信息。在这里，我们提出了2020年第一个全球的、地面采样距离为10米的墙到墙的树冠高度图。没有一个数据源能满足这些要求：像GEDI这样的专门的... ETH Global Sentinel-2 10米冠层高度（2020年）全世界的植被高度变化是全球碳循环的基础，也是生态系统及其生物多样性运作的核心。管理陆地生态系统、缓解气候变化和防止生物多样性的丧失，需要地理空间上的明确信息，而且最好是高度解析的信息。在这里，我们提出了2020年第一个全球的、地面采样距离为10米的墙到墙的树冠高度图。没有一个数据源能满足这些要求：像GEDI这样的专门的...
- 写在前面这篇文章同样出自沈春华组，是今年看到的最亮眼的一篇文章，只使用box标注就可完成实例分割的训练。下图是只是用box训练的实例分割结果，感觉特别惊艳。 实例分割的标注成本太高，标注一个实例的mak可能长达一分钟左右，非常影响实例分割的实际应用，而标注一个box只需要几秒钟。用box标注训练实例分割模型，可以极大的减小标注成本，加快数据迭代速度。代码AdelaiDet论文BoxInst... 写在前面这篇文章同样出自沈春华组，是今年看到的最亮眼的一篇文章，只使用box标注就可完成实例分割的训练。下图是只是用box训练的实例分割结果，感觉特别惊艳。 实例分割的标注成本太高，标注一个实例的mak可能长达一分钟左右，非常影响实例分割的实际应用，而标注一个box只需要几秒钟。用box标注训练实例分割模型，可以极大的减小标注成本，加快数据迭代速度。代码AdelaiDet论文BoxInst...
- 本篇博客我们将前端模板的通用部分进行抽离，便于整理管理，使用的是 jinja2 中模板继承相关技术。 Flask 模板引擎flask 为了实现模板代码的宠用，jiaja2 提供了块（Block）和宏（Macro）来提高代码的继承和复用性。块（Block）：用于精简代码，可以通过继承 （extend）复用代码；宏（Macro）：使用宏提高模板复用性，减少复杂度。让我们先从块说起。 块（Bloc... 本篇博客我们将前端模板的通用部分进行抽离，便于整理管理，使用的是 jinja2 中模板继承相关技术。 Flask 模板引擎flask 为了实现模板代码的宠用，jiaja2 提供了块（Block）和宏（Macro）来提高代码的继承和复用性。块（Block）：用于精简代码，可以通过继承 （extend）复用代码；宏（Macro）：使用宏提高模板复用性，减少复杂度。让我们先从块说起。 块（Bloc...
- 其中最有前景的是 ChatGPT 技术，它能够自动识别和处理文档中的信息，同时它也可以识别图像并且理解图像表达的信息。本文由现有图像识别领域和文档建模领域的一些突破出发，进而探讨 ChatGPT 技术在文档处理和图像处理中的应用和未来发展趋势。 其中最有前景的是 ChatGPT 技术，它能够自动识别和处理文档中的信息，同时它也可以识别图像并且理解图像表达的信息。本文由现有图像识别领域和文档建模领域的一些突破出发，进而探讨 ChatGPT 技术在文档处理和图像处理中的应用和未来发展趋势。
- 在工业蒸汽量预测上篇中，主要讲解了数据探索性分析：查看变量间相关性以及找出关键变量；数据特征工程对数据精进：异常值处理、归一化处理以及特征降维；在进行归回模型训练涉及主流ML模型：决策树、随机森林， 在工业蒸汽量预测上篇中，主要讲解了数据探索性分析：查看变量间相关性以及找出关键变量；数据特征工程对数据精进：异常值处理、归一化处理以及特征降维；在进行归回模型训练涉及主流ML模型：决策树、随机森林，
- CosineWarmup是一种非常实用的训练策略，本次教程将带领大家实现该训练策略。教程将从理论和代码实战两个方面进行。 CosineWarmup是一种非常实用的训练策略，本次教程将带领大家实现该训练策略。教程将从理论和代码实战两个方面进行。
- Whisper 是一种自动语音识别 (ASR) 系统，使用从网络收集的 680000 小时多语言和多任务数据进行训练，Whisper 由深度学习和神经网络提供支持，是一种基于 PyTorch 构建的自然语言处理系统，这是免费的开源软件。 安装Whisper我们用 Ubuntu 22.04 LTS 测试了 Whisper，为避免污染您的系统，我们建议使用 Anaconda 或 Minicond... Whisper 是一种自动语音识别 (ASR) 系统，使用从网络收集的 680000 小时多语言和多任务数据进行训练，Whisper 由深度学习和神经网络提供支持，是一种基于 PyTorch 构建的自然语言处理系统，这是免费的开源软件。 安装Whisper我们用 Ubuntu 22.04 LTS 测试了 Whisper，为避免污染您的系统，我们建议使用 Anaconda 或 Minicond...
- 本文的任务与手写数字识别非常相似，都是基于图片的多分类任务，也都是有监督的。 本文的任务与手写数字识别非常相似，都是基于图片的多分类任务，也都是有监督的。
- 共享社会经济路径下的全球城市预测（2020-2100年）这些数据集包括在共同社会经济路径（SSPs）下对未来城市土地的两个独立的全球预测，一个来自Chen等人（2020），另一个来自Gao & O'Neill（2020）。Chen等人的数据集提供了2020年至2100年（包括）每10年1公里分辨率的城市和非城市土地的二元分类（像素值为2代表城市；否则为1）。另一方面，Gao & O'Nei... 共享社会经济路径下的全球城市预测（2020-2100年）这些数据集包括在共同社会经济路径（SSPs）下对未来城市土地的两个独立的全球预测，一个来自Chen等人（2020），另一个来自Gao & O'Neill（2020）。Chen等人的数据集提供了2020年至2100年（包括）每10年1公里分辨率的城市和非城市土地的二元分类（像素值为2代表城市；否则为1）。另一方面，Gao & O'Nei...
- 【2023·CANN训练营第一季】报名开始！欢迎大家的到来！ VR一体机、华为平板、Coopreme家用电视游戏机等大波福利席卷而来! 9大高校名师联盟助阵 学练赛一站式轻松Get结业证书 新一代开发者套件Atlas 200I DK A2系列课程首发 【2023·CANN训练营第一季】报名开始！欢迎大家的到来！ VR一体机、华为平板、Coopreme家用电视游戏机等大波福利席卷而来! 9大高校名师联盟助阵 学练赛一站式轻松Get结业证书 新一代开发者套件Atlas 200I DK A2系列课程首发
- 《AI推理引擎：核心原理》这个系列的内容：从推理系统整体架构开始，然后到模型小型化、模型压缩，在真正推理之前需要进行模型转换和图优化，最后到kernel和runtime优化。 《AI推理引擎：核心原理》这个系列的内容：从推理系统整体架构开始，然后到模型小型化、模型压缩，在真正推理之前需要进行模型转换和图优化，最后到kernel和runtime优化。
- 因为 YOLOv1-v3 的作者不再更新 YOLO 框架，所以 Alexey Bochkovskiy 接起了传承 YOLO 的重任。相比于它的前代，YOLOv4 不再是原创性且让人眼前一亮的研究，但是却集成了目标检测领域的各种实用 tricks 和即插即用模块 ，称得上是基于 YOLOv3 框架的各种目标检测 tricks 的集大成者。 本文章不会对原论文进行一一翻译，但是做了系统性的总结和关键部 因为 YOLOv1-v3 的作者不再更新 YOLO 框架，所以 Alexey Bochkovskiy 接起了传承 YOLO 的重任。相比于它的前代，YOLOv4 不再是原创性且让人眼前一亮的研究，但是却集成了目标检测领域的各种实用 tricks 和即插即用模块 ，称得上是基于 YOLOv3 框架的各种目标检测 tricks 的集大成者。 本文章不会对原论文进行一一翻译，但是做了系统性的总结和关键部
- Cascade RCNN 是作者 Zhaowei Cai 于 2018 年发表的论文，算法框架是由一系列不断增加 IoU 阈值的检测器组成，可以逐步的更接近目标的预测。 Cascade RCNN 是作者 Zhaowei Cai 于 2018 年发表的论文，算法框架是由一系列不断增加 IoU 阈值的检测器组成，可以逐步的更接近目标的预测。
上滑加载中
推荐直播
-
华为云鸿蒙应用入门级开发者认证2025/06/11 周三 16:00-17:30
Skye / 华为云学堂技术讲师
本次直播专为备考华为云鸿蒙端云应用入门级开发者认证的学员设计，提供系统的考试辅导。深度解析认证核心知识点，涵盖HarmonyOS介绍、应用开发入门、ArkTS语言、声明式开发范式组件、Stage应用模型、玩转服务卡片、鸿蒙应用网络请求开发、鸿蒙应用云函数调用等内容。
回顾中 -
基于昇腾NPU的合成孔径雷达成像案例2025/06/12 周四 19:00-20:00
李阳 华为开发者布道师-高校教师
介绍合成孔径雷达算法的原理和优势，了解合成孔径雷达在传统计算中的痛点，分享如何使用昇腾NPU和AscendC语言构建信号处理算子，如何助力信号处理领域的高性能计算。
回顾中 -
华为云GaussDB入门级认证 - 考试辅导2025/06/13 周五 16:00-17:30
Steven / 华为云学堂技术讲师
本次直播为HCCDA-GaussDB认证考试提供全面辅导，旨在帮助学员深入了解数据库技术原理与应用实践。我们将详细解析考试大纲，分享高效备考策略，并讲解关键知识点，包括但不限于SQL操作介绍、GaussDB数据库管理与运维基础等。
回顾中
热门标签