Il s'agit de l'application Windows nommée satellite-image-deep-learning dont la dernière version peut être téléchargée sous Usedropdowns.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée satellite-image-deep-learning avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez n'importe quel émulateur en ligne OS OnWorks à partir de ce site Web, mais un meilleur émulateur en ligne Windows.
- 5. Depuis le système d'exploitation OnWorks Windows que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application et installez-la.
- 7. Téléchargez Wine depuis les dépôts de logiciels de vos distributions Linux. Une fois installé, vous pouvez ensuite double-cliquer sur l'application pour les exécuter avec Wine. Vous pouvez également essayer PlayOnLinux, une interface sophistiquée sur Wine qui vous aidera à installer des programmes et des jeux Windows populaires.
Wine est un moyen d'exécuter un logiciel Windows sur Linux, mais sans Windows requis. Wine est une couche de compatibilité Windows open source qui peut exécuter des programmes Windows directement sur n'importe quel bureau Linux. Essentiellement, Wine essaie de ré-implémenter suffisamment de Windows à partir de zéro pour qu'il puisse exécuter toutes ces applications Windows sans avoir réellement besoin de Windows.
CAPTURES D'ÉCRAN
Ad
image-satellite-deep-learning
DESCRIPTION
Cette page répertorie les ressources permettant d'effectuer un apprentissage en profondeur sur l'imagerie satellite. Dans une moindre mesure, l'apprentissage automatique classique (par exemple, les forêts aléatoires) est également abordé, tout comme les techniques classiques de traitement d'images. Notez qu'il existe un volume énorme de littérature académique publiée sur ces sujets, et ce référentiel ne cherche pas à tous les indexer, mais plutôt à répertorier les ressources accessibles avec du code publié qui bénéficieront à la fois aux communautés de recherche et de développement. Si vous trouvez ce travail utile, donnez-lui une étoile et envisagez de le parrainer. Vous pouvez également me suivre sur Twitter et LinkedIn où je vise à publier des mises à jour fréquentes sur mes nouvelles découvertes, et j'ai créé un groupe dédié sur LinkedIn. J'ai également lancé un blog ici et j'ai publié un article sur l'histoire de ce référentiel intitulé Dissecting the satellite-image-deep-learning repo.
Caractéristiques
- Détection d'objets avec boîtes englobantes tournées
- Détection d'objet améliorée par la super résolution
- Auto-encodeurs, réduction de la dimensionnalité, intégrations d'images et recherche de similarité
- Apprentissage auto-supervisé, non supervisé et contrastif
- Détection de réservoir de stockage d'huile et déversements d'huile
- Forfaits, cadres et projets d'apprentissage en profondeur
Catégories
Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/satellite-image-deep-l.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.
