Part4-1.对建筑年代进行深度学习训练和预测 本文为《通过深度学习了解建筑年代和风格》论文复现的第五篇——训练识别建筑年代的深度学习模型,我们会使用Python中的`PyTorch`库来训练模型,模型将选用基于`DenseNet121`的深度卷积神经网络(DCNN)作为骨干进行迁移学习,数据集采用上一篇文章中获取的阿姆斯特丹的7万多张谷歌街景图像。在处理过程中我们会进一步优化模型,避免欠拟合和过度拟合,并且使用Tensorboard实时查看训 2023-10-30 论文复现 #深度学习#PyTorch
操作AutoDL等Linux系统GPU服务器进行深度学习的常用命令笔记 本文为用租用AutoDL进行深度学习时,常用的Linux系统的基本命令的笔记(持续更新中。。。) 2023-10-30 云服务器 #Linux
Part3.2《selenium多线程获取街景.py》和《语义分割筛选街景完整代码.py》完整代码 《通过深度学习了解建筑年代和风格》论文复现代码已上传到Github和Gitee,但Gitee仅用于同步,目前文章和仓库还在更新中,请访问对应的主页查看代码。 2023-10-30 论文复现 #深度学习#语义分割#PyTorch#code-script
Part3-2.获取高质量的阿姆斯特丹建筑立面图像(下) 本文主要是介绍如何用Python的selenium库去操控浏览器截取谷歌街景图像,并按照Pytorch中标准ImageFolder保存,最后使用语义分割模型进行进一步筛选图片。 2023-10-30 论文复现 #深度学习#语义分割#PyTorch
Part3-1.获取高质量的阿姆斯特丹建筑立面图像(附完整代码) 讲了如何获取利用谷歌街景地图自动化获取用于深度学习的阿姆斯特丹的高质量街景图像 2023-10-24 论文复现 #深度学习#PyTorch#Python#ArcPy#geopandas#shapely#pandas#numpy
Part2.下载和预处理建筑足迹数据集——《通过深度学习了解建筑年代和风格》 下载研究区域的建筑风格和建筑年代数据,然后提取163210条阿姆斯特丹的建筑足迹数据,用于后续获取街景图像。 2023-10-23 论文复现 #深度学习#PyTorch#Python#ArcGISPro#ArcPy
Part1.论文解读:如何利用最近很火的深度学习来识别建筑年代和风格?——《通过深度学习了解建筑年代和风格》 本文为《通过深度学习了解建筑年代和风格》(详细引用信息见文末)论文复现的第一篇——论文解读,主要是介绍建筑论文的大致逻辑,创新点和结论。 2023-10-22 论文复现 #深度学习#PyTorch#Python
如何在多平台(win、mac、linux)上安装webdriver并使用selenium 在(win、mac、linux)上安装和配置selenium 2023-10-19 工具箱 #selenium#Linux#Python
使用ArcGIS Pro对卫星图进行建筑轮廓识别和车辆检测 ArcGIS Pro集成了深度学习功能,使GIS专业人员能够分析卫星图像以提取信息。本文介绍了如何使用ArcGIS Pro进行深度学习,包括环境配置、模型选择,以及建筑物轮廓识别和车辆检测的示例。这些深度学习模型可以提供有价值的见解,用于城市规划和交通管理。ArcGIS Pro为深度学习提供了全面的工具,使GIS专业人员能够轻松地将其集成到他们的工作流程中。 2023-10-14 Python笔记 #深度学习#机器学习#语义分割#ArcGISPro
06-PyTorch迁移学习:在预训练模型上进行训练 到目前为止,我们已经手工构建了一些模型。但他们的表现却很差。您可能会想,是否能借鉴一个已经被训练好的模型?我们将了解如何使用一种称为迁移学习的强大技术。 2023-10-09 深度学习教程 #机器学习#深度学习#PyTorch
05-PyTorch自定义数据集 使用 torchvision.datasets 以及我们自己的自定义 Dataset 类来加载食物图像,然后我们将构建一个 PyTorch 计算机视觉模型,对三种食物进行分类。 2023-10-09 深度学习教程 #机器学习#深度学习
04-一文彻底搞懂什么是卷积神经网络 在这个章节中,我们将引入一种非常强大的神经网络结构,名为**卷积神经网络**(Convolutional Neural Network,简称CNN)。CNN 在视觉领域有着卓越的表现,它能够自动地从图像中提取特征,并进行分类。就像一个火眼金睛的时尚专家,CNN 可以辨认出不同的服装款式和类型。无论是酷炫的鞋子、潮流的裤子还是时髦的T恤,CNN 都能一眼识别出它们。 2023-10-09 深度学习教程 #机器学习#深度学习
03.使用PyTorch处理最简单的神经网络分类任务 分类和回归是最常见的机器学习问题类型之一。在本笔记本中,我们将使用 PyTorch 解决几个不同的分类问题(二元分类,多类分类,多标签分类)。换句话说,我们通过获取一组输入并预测这些输入集属于哪个类别。 2023-10-09 深度学习教程 #深度学习#机器学习
02-快速入门:使用PyTorch进行机器学习和深度学习的基本工作流程(笔记+代码) 通过训练和使用线性回归模型来介绍标准 PyTorch 深度学习和机器学习的基本工作流程。将从数据准备、构建模型、训练模型、预测结果、保存和加载模型五个方面介绍,并且提供练习的代码。 2023-10-09 深度学习教程 #机器学习#深度学习