PV_Pipeline:为“ DeepSolar for Germany”开发的PyTorch模型和管道。 供参考，该文件可以在...

更新： 我们已在NeurIPS 2020的“应对气候变化与AI”研讨会上发布了后续论文“丰富的自动化PV注册表：将图像识别与3D建筑数据相结合”。请查看，其中也包括有关以下内容的说明：如何访问本研究中产生的所有数据和模型！ 关于： “ DeepSolar for Germany”的回购 管道将处理来自德国人口最多的州北威州的超过1.33亿张航拍图像，以定位光伏系统 基于Google Maps的模型（PyTorch）在空间分辨率为5 cm /像素的图像上的精度和召回率分别为92％和98％ 基于OpenNRW的模型（PyTorch）在图像上的精度和召回率分别为10 cm /像素和64％和87％ OpenNRW平台： openNRW平台为德国北莱茵-威斯特法伦州（NRW）提供了详尽的航空影像 航空影像的特征是地面采样距离（GSD）为10厘米 目标： 检测航空影像上的太阳能电池板，以创建一