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。
机器学习
#热力图
0
#kepler
0
#数据可视化
0
#SAR
1
#Canvas
1
#Reflection
1
#Memory
1
#OpenAI
1
#Langchian
1
#数据处理
1
#空间插值
1
#空间索引
1
#H3
1
#文件处理
1
#相对路径
1
#Dify
1
#FastGPT
1
#RSS
1
#Django
#shapefile
1
#要素类
1
#北京
1
#厦门
1
#streamlit
2
#web
1
#Confusion-Matrix
1
#CAM
1
#code-script
1
#shapely
1
#numpy
1
#geopandas
1
#pandas
3
#经验帖
2
#ArcGISPro
21
#语义分割
3
#对象检测
0
#selenium
1
#Linux
2
#ArcPy
17
#PyTorch
9
#GitHub仓库
3
#项目说明
1
#网站说明
2
#GIS
19
#folium
0
#上海
1
#深圳
4
#共享单车
4
#ChatGPT
3
#房地产
1
#Python
12
#自托管
1
#深度学习
17
#机器学习
7
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。
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。
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。
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。
01-PyTorch基础知识
PyTorch 是一个开源机器学习和深度学习框架，用于使用 Python 代码操作和处理数据。它使用张量（多维数组）作为其核心数据结构，并提供许多深度学习算法。