2 रिपॉजिटरी
Awesome GitHub RepositoriesGrid-Based Spatial Sampling
Extraction of image chips using a structured grid pattern and configurable stride.
Distinct from Grid-Based: Shortlist candidates are for QR codes or graph algorithms, not geospatial chip extraction
Explore 2 awesome GitHub repositories matching data & databases · Grid-Based Spatial Sampling. Refine with filters or upvote what's useful.
Awesome Grid-Based Spatial Sampling GitHub Repositories
AI के साथ बेहतरीन रिपॉजिटरी खोजें।हम AI का उपयोग करके सबसे सटीक रिपॉजिटरी खोजेंगे।
- msracver/deformable-convnets
msracver/Deformable-ConvNets
4,116GitHub पर देखेंDeformable-ConvNets एक कंप्यूटर विजन फ्रेमवर्क और न्यूरल नेटवर्क घटकों का संग्रह है जिसे डिफॉर्मेबल कन्वेन्शनल न्यूरल नेटवर्क को लागू करने के लिए डिज़ाइन किया गया है। यह एडेप्टिव कन्वेन्शनल लेयर्स और पूलिंग इम्प्लीमेंटेशन प्रदान करता है जो छवियों के भीतर वस्तुओं की ज्यामिति को बेहतर ढंग से कैप्चर करने के लिए इनपुट फीचर्स के आधार पर अपने रिसेप्टिव फील्ड्स को संशोधित करते हैं। यह प्रोजेक्ट कन्वेन्शनल ग्रिड को लक्षित वस्तु आकृतियों के साथ संरेखित करने के लिए सीखने योग्य सैंपलिंग ऑफसेट्स और मॉड्यूलेशन मास्क के उपयोग को सक्षम बनाता है। इसमें कन्वेन्शन और पूलिंग लेयर्स में सीखे गए ऑफसेट्स को विज़ुअलाइज़ करने के लिए विशेष उपकरण शामिल हैं, जो यह विश्लेषण करने की अनुमति देते हैं कि नेटवर्क अपने स्थानिक रिसेप्टिव फील्ड को कैसे अनुकूलित करता है। इन क्षमताओं का उपयोग ऑब्जेक्ट डिटेक्शन की सटीकता में सुधार करने और सिमेंटिक सेगमेंटेशन को रिफाइन करने के लिए किया जाता है। यह फ्रेमवर्क वास्तविक वस्तु सीमाओं के साथ सैंपलिंग क्षेत्रों को संरेखित करने के लिए डिफॉर्मेबल पूलिंग के माध्यम से रुचि के क्षेत्रों (regions of interest) से फीचर्स निकालने का समर्थन करता है। इस इम्प्लीमेंटेशन में इन विशेष नेटवर्क आर्किटेक्चर को निष्पादित और मूल्यांकन करने के लिए एक ट्रेनिंग पाइपलाइन शामिल है।
Modifies spatial sampling patterns based on input geometry to provide a flexible and adaptive receptive field.
Python - torchgeo/torchgeo
torchgeo/torchgeo
4,077GitHub पर देखेंTorchGeo is a PyTorch library designed for deep learning on geospatial data, providing a framework for building and training neural networks for tasks such as semantic segmentation, object detection, and change detection. It serves as a comprehensive pipeline for remote sensing, featuring specialized dataset loaders and multispectral image preprocessing tools. The library is distinguished by a dedicated remote sensing model zoo and extensive support for transfer learning, allowing users to integrate pre-trained weights optimized for specific satellite sensors. It also includes support for sel
Extracts chips in a structured grid pattern with configurable stride to cover specific regions of interest.
Pythoncomputer-visiondatasetsdeep-learning
