没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
对遥感图像数据进行智能目标识别及场景理解,参赛者需要基于一定体量的数据集训练模型,在测试集中完成对大型场景类地物目标(包括:桥梁、港口、机场)与密集型关键目标(包括:油罐、船只、飞机)的快速准确识别,并对整体场景进行分析与理解。本赛题着重考核当训练样本具有不同地面分辨率、数据量有限的特点时,算法的鲁棒性及泛化能力,综合考量识别的准确性和速度。
资源推荐
资源详情
资源评论
收起资源包目录
小样本下的卫星图像典型目标识别_测试集 (595个子文件)
c798a75f-260a-3dd4-a248-a051034a1d99.jpg 10.66MB
62cd4f79-6794-361b-87b2-bace95e71bdd.jpg 9.36MB
89982af3-95dd-37e3-978a-809683db5257.jpg 8.96MB
c9bf303b-9bc3-30ea-b405-584001dd3f7b.jpg 8.8MB
d73bd5f7-83c2-343f-b748-7b541f4118c5.jpg 8.7MB
c3dfb756-0b0a-396d-a38f-c87d0b70a630.jpg 8.6MB
fa4b8c79-f8dd-362d-b0f1-6d80b525013b.jpg 8.3MB
cc826c13-403f-3d69-8a1a-d8158c56ba78.jpg 7.86MB
07c7b01f-7545-3a9d-ba89-a89f28ee09cb.jpg 7.66MB
a0afca40-c40f-3960-b667-1e6c257f1a0f.jpg 7.65MB
d6840f49-19c4-3311-8135-3c78375c6823.jpg 7.54MB
ee612158-3b48-3102-9b1f-4a491cfa5a15.jpg 7.43MB
2a8fe62a-5965-3d69-a40f-8ae0cd8ce5cc.jpg 6.81MB
5c3cf307-f5aa-30b9-99e0-94e6ab7e8db5.jpg 6.46MB
859eec6d-78ea-3425-8b31-1248347a1c0d.jpg 6.26MB
1019b1f5-83b0-382f-a001-ba642ebec84c.jpg 6MB
14105f6f-23a2-3807-aa18-6033b31cf614.jpg 5.67MB
fc1cfc0f-f969-3285-a297-46931f1d2320.jpg 5.32MB
fe82203f-3cf9-341a-ab6c-eb1fca098d75.jpg 5.24MB
cc5a0123-f2b7-3e86-af1b-d47b84a46f8f.jpg 4.71MB
353e7f3d-aea0-3ad4-b9c6-450275cb508f.jpg 4.44MB
7bdd1af3-de07-3101-97dc-c81198f30777.jpg 3.86MB
6c3c6415-129f-39e6-9279-3f896541eb9e.jpg 3.79MB
280615da-aae8-37e3-b242-93395c4d2ebb.jpg 3.67MB
d076a709-2a30-35b6-b7b8-775f836529d1.jpg 3.34MB
2d471ee7-f3d5-31a6-b23f-e435740ba684.jpg 3.33MB
17c0f8a8-baa8-39d2-81e0-01bbdd5c9cba.jpg 3.12MB
8485787f-e5fb-3e5e-ae6a-df575b21153f.jpg 3.01MB
d1651b9f-9561-3cc3-813c-c4684673e798.jpg 2.98MB
beead41c-4074-3a59-9134-bd8718c73701.jpg 2.71MB
49ea80a1-f5fd-3aeb-a857-3829ad286af7.jpg 2.71MB
e41f4c33-95f7-324d-896e-570f247e3206.jpg 2.7MB
43e15807-79ff-3b51-942a-c3a8fa55e1fa.jpg 2.68MB
30f351f2-e554-3d96-b5d5-49840e598658.jpg 2.68MB
d2f71e44-d5d5-31d4-bb4e-e14641d8e7b9.jpg 2.67MB
9f69ae58-de69-315c-880b-89fa94b0be8e.jpg 2.65MB
85ce390f-0f8f-333e-96a4-77393358f759.jpg 2.63MB
0d521751-9e19-3f18-85f1-1c8bf080787f.jpg 2.57MB
bcc645dd-d11e-376a-8469-f5fa03c7fe54.jpg 2.54MB
482996b0-b128-38f0-a995-d9a2a7623695.jpg 2.53MB
e3f3ca4f-224f-3123-8cbb-17f6835c9164.jpg 2.51MB
cf6e9f1f-f564-3fe0-851e-ae547fb2fd36.jpg 2.49MB
0c7cea22-f450-3e10-aed6-18c3cd0a44ba.jpg 2.49MB
7747cb7b-7c62-3b36-83fd-076d6b7d09f8.jpg 2.39MB
645087d9-c19a-36ef-af5e-75efd04d123e.jpg 2.35MB
d2f70e08-f74f-3037-8e42-30a1fc40ff57.jpg 2.33MB
c46e4560-d9e1-3b94-ac4b-b8d618370b76.jpg 2.31MB
8f5dd575-53d9-3883-927e-e578eb66cf0f.jpg 2.25MB
e8744fea-2b3b-31de-a96c-7d06ab5c0657.jpg 2.21MB
56fc6634-475e-3f65-b14e-27d5fbe5aa02.jpg 2.21MB
2725a252-c565-3768-8ac8-8b5e77521c91.jpg 2.19MB
e358c6c6-7587-3204-9477-1ced7995b6c6.jpg 2.18MB
c0418ab5-5c7d-37aa-9024-7a620d0d38f2.jpg 2.16MB
7ea6b9b3-2a38-3d4a-b272-d724979aa974.jpg 2.15MB
1f0a0671-e4d5-3e73-91b7-5b50181cd437.jpg 2.13MB
12f8aa97-997e-3762-8ea4-dfdf87a820e1.jpg 2.06MB
2256149e-211c-3b08-89f0-c26c5a126b3c.jpg 2.03MB
6bea90af-2b29-370b-9f0b-53e54c544f33.jpg 2.02MB
ab73c869-f434-3276-a1d4-b0ec26f978c9.jpg 2.02MB
228e25cd-5577-3c78-bcfe-0e835023ffad.jpg 2.02MB
df564474-8855-3d3d-9f0f-6ca61019049d.jpg 2.01MB
3f0c9c10-e897-3098-aeba-c550e65a55ad.jpg 2MB
cfb20fa2-8f2c-3bb2-9c3d-3c645aff5ff8.jpg 1.96MB
f3a44290-0bfe-3c62-8116-d3a7a8ebe197.jpg 1.95MB
e5b7cddc-6d08-3625-bb90-299c5a8bfe5e.jpg 1.93MB
c6b8eb96-cc17-3639-9368-f6b6e8773c12.jpg 1.89MB
b0163193-b584-3621-ba1b-50663f2fccaa.jpg 1.85MB
7b336301-e67a-33a5-9281-0fa8118ca243.jpg 1.77MB
a9b2755c-5e1b-3ac0-b566-9f3f7f8460c4.jpg 1.76MB
5cbaf3d4-1bc4-334c-9bc0-c00372a44c6f.jpg 1.7MB
2b838f5f-ae73-3555-a8c7-f8be516e7581.jpg 1.67MB
d7645361-3dae-324d-8724-6653aaae4c37.jpg 1.65MB
b0f75184-c975-3209-b243-4644eaf53092.jpg 1.61MB
c229481b-7ad9-3ff5-9c39-ec1256a06b0e.jpg 1.59MB
70ee57de-bc25-3dfd-87e5-6ba3140d04c1.jpg 1.59MB
5c553d4e-3372-38d1-ae18-032da66842e5.jpg 1.58MB
3d05ab2f-a97f-3d27-b2a5-e602191d28ec.jpg 1.56MB
70b100bb-de1c-33ff-9141-0d565b80aa1d.jpg 1.45MB
3294f9f7-00d1-3685-8601-6d136ad5e5ed.jpg 1.44MB
e8416a2a-f4f1-3be9-bf88-70f3c4bd2938.jpg 1.4MB
18f9553b-4607-3d47-9691-95ede50d65b1.jpg 1.4MB
046030f9-deaa-3e1d-a551-38635749e3a6.jpg 1.4MB
c21db52b-e0db-3895-8469-fbedfbb99390.jpg 1.35MB
5b93ea78-1aa4-3f1f-8a45-8342ef712963.jpg 1.34MB
7cd1cd0d-e3b4-31a7-a9bd-a653794f9f2a.jpg 1.3MB
7fa7451d-6f3e-3d63-9eaf-1b513229a57a.jpg 1.3MB
84b6b76b-533b-3efa-aed0-acd78e550762.jpg 1.27MB
8ec1c741-48f7-3334-87f6-698799c43619.jpg 1.23MB
2927dd21-c366-343c-b674-5f48ef9fb63c.jpg 1.23MB
8ae53abf-b1af-344c-afda-f318053b9975.jpg 1.23MB
8d61e564-5d00-3c5f-80c6-1bc45e6c93e7.jpg 1.15MB
abf486cf-c4e0-303a-b985-98189b9d271e.jpg 1.07MB
8ed7c8db-816c-3a57-9dfd-cefc1d6ed35a.jpg 1.04MB
ce620885-81b7-36b0-afa6-19cc4d3a9dcb.jpg 1MB
c33916e4-34d1-3bf0-9acd-b29116245530.jpg 1MB
097f6b43-6c38-3234-b85c-65886ba36747.jpg 1021KB
0ccb3180-cbb1-3b59-8d5e-f4984ebd942d.jpg 1015KB
45cde1dd-bf40-3247-a13f-3c9eb07c880f.jpg 1015KB
fc1131ee-fb64-3fe8-9336-da2c92a37723.jpg 1015KB
71aaf8ea-4aaa-30eb-8c24-ec8dfd263b81.jpg 1015KB
共 595 条
- 1
- 2
- 3
- 4
- 5
- 6
资源评论
- qq_415238822019-05-23还好,先试着用用
- momo_father2019-10-04很好很好很好
网迷
- 粉丝: 38
- 资源: 336
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于相干衍射成像模拟的matlab源码.zip
- 数据分析的MATLAB课件及代码等
- 基于Bi-LSTM的亚马逊评论情感二分类模型及可视化源码(高分项目).zip
- Furina.ini
- 《设计模式解析》课程习题2.docx
- 基于LSTM的影评情感分类python源码+数据集+详细注释.zip
- 加密1加密1加密1加密1加密1加密1加密1加密1加密1
- 首批 Llama3 70B 中文大模型,在C-Eval和CMMLU的表现超过了ChatGPT,与GPT-4持平
- 基于LSTM的影评情感分类python源码+数据集+详细注释.zip
- JAVA自学课件-第八章 AWT及AWT事件处理.pptx(共54页)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功