Renhai实验室
Renhai实验室
设计 | 城市与地理空间 | 数据分析与可视化
博客首页
导航页
图库
最新消息
深度学习教程
ArcGIS Python系列
数据集
论文复现
关于我
注册
博客首页
导航页
图库
最新消息
深度学习教程
ArcGIS Python系列
数据集
论文复现
关于我
注册
论文复现
Github热门项目
工具箱
8
云服务器
其他
5
Python笔记
ArcGIS Python系列
18
空间数据分析
4
深度学习教程
8
论文复现
11
数据集
3
交通大数据分析与可视化
2
置顶
《利用深度学习来识别建筑年代和风格》仓库说明
《利用深度学习来识别建筑年代和风格》项目的仓库说明(README)(附文章目录和使用说明)
论文复现
207
0
0
2023-11-02
高效读论文和一些小技巧
本文为研究者提供了找寻和筛选学术论文的实用方法。文章建议确定研究主题和关键词,然后集中阅读论文的摘要、简介、方法、结果和总结等部分,并强调利用引用信息来追踪研究发展。作者还推荐了国内外的数据库和期刊,并介绍了使用RSS订阅来持续获取最新研究信息的方法。文章为读者提供了一套有效的学术论文搜寻和分析框架,尤其适用于建筑、景观和规划领域的研究者。
论文复现
72
0
0
2024-01-03
Part4-2.对建筑年代预测结果进行展示和分析
本文为首先会通过对测试数据集的预测来展示模型的预测能力,其中,我们会介绍对模型进行评估的几种方法,包括混淆矩阵、召回率 (Recall)、精确度 (Precision)、F1分数 (F1 Score),然后,我们会利用类激活映射(Class Activation Mapping,简称 CAM)查看模型关注哪些方面,最后从空间上观察建筑年代的预测结果在空间上的表现。
论文复现
173
0
0
2023-10-31
Part4-1 《train.py》和 《engine.py》的完整代码
《train.py》和 《engine.py》的完整代码
论文复现
47
0
0
2023-10-30
Part4-1.对建筑年代进行深度学习训练和预测
本文为《通过深度学习了解建筑年代和风格》论文复现的第五篇——训练识别建筑年代的深度学习模型,我们会使用Python中的`PyTorch`库来训练模型,模型将选用基于`DenseNet121`的深度卷积神经网络(DCNN)作为骨干进行迁移学习,数据集采用上一篇文章中获取的阿姆斯特丹的7万多张谷歌街景图像。在处理过程中我们会进一步优化模型,避免欠拟合和过度拟合,并且使用Tensorboard实时查看训练过程。
论文复现
280
0
1
2023-10-30
Part3.2《selenium多线程获取街景.py》和《语义分割筛选街景完整代码.py》完整代码
《通过深度学习了解建筑年代和风格》论文复现代码已上传到Github和Gitee,但Gitee仅用于同步,目前文章和仓库还在更新中,请访问对应的主页查看代码。
论文复现
36
0
0
2023-10-30
Part3-2.获取高质量的阿姆斯特丹建筑立面图像(下)
本文主要是介绍如何用Python的selenium库去操控浏览器截取谷歌街景图像,并按照Pytorch中标准ImageFolder保存,最后使用语义分割模型进行进一步筛选图片。
论文复现
198
0
0
2023-10-30
PART3-1《使用geopandas寻找街景点.py》等完整代码
《通过深度学习了解建筑年代和风格》论文复现代码已上传到Github和Gitee,但Gitee仅用于同步,目前文章和仓库还在更新中,请访问对应的主页查看代码。
论文复现
108
0
0
2023-10-29
Part3-1.获取高质量的阿姆斯特丹建筑立面图像(附完整代码)
讲了如何获取利用谷歌街景地图自动化获取用于深度学习的阿姆斯特丹的高质量街景图像
论文复现
271
0
2
2023-10-24
Part2.下载和预处理建筑足迹数据集——《通过深度学习了解建筑年代和风格》
下载研究区域的建筑风格和建筑年代数据,然后提取163210条阿姆斯特丹的建筑足迹数据,用于后续获取街景图像。
论文复现
274
0
0
2023-10-23
下一页