后台管理模板

java vue-element-admin https://panjiachen.github.io/vue-element-admin-site/zh/ 前端 el-admin https://el-admin.vip/ 前后端分离，前端就是基于上边 ant design pro https:/

基深度学习的高分辨率遥感影像语义分割的研究与应用

1，引言 1.1，意义 对高分辨率遥感影像的语义分割仍面临着很多挑战 ： 一是高分辨率遥感影像上存在 “ 同物异谱 ” 与 “ 异物 同谱 ” 等固有现象 。 二是在实际场景中目标以多尺度存在 ， 并同时有光照 、白 云 、阴影 、遮挡等复 杂场景 ；这些是运用传统方法进行语义分割时精度较低的主要原

基于卷积神经网络的语义分割研究

摘要 深入研究了语义分关键性技术，转置卷积，空洞卷积以及条件随机场等。 结合Aligned-Inception-ResNet 网络实现DeepLab 提出一种基于多尺度特征融合的语义分割模型MsNet， 它包含语义特征提取和语义特征融合两个阶段 ， 能够有效消除底层特征与高层特征之间的差异性 ， 整

基于多任务学习的高分辨率遥感影像建筑实例分割：北京大学

摘要 高分辨率遥感影像建筑物提取，一般都视为二分类问题，因此无法区分建筑物个体。本文基于Xception module改进U-net，并与多任务方法相结合，在二分类的同事，区分不同建筑物。相比U-net提取精度提高了1.4%. 1，数据来源与研究区域 法国国家信息与自动化研究所 2018 年发布的I

鸡蛋煎饼

菜品名称 鸡蛋煎饼 简介 食堂煎饼，早餐 食材清单 主料 面粉：一平勺 鸡蛋：2或3个 辅料 葱花或香菜：若干 水：四勺 制作步骤 步骤一：准备工作 准备食材 步骤二：[步骤标题] 面粉加水搅拌到

汇编基础

第一章，汇编语言产生 1，机器语言与汇编语言一一对应 2，汇编指令：Mov AX,BX 将寄存器BX，移入AX 3，寄存器：CUP中的存储器，注意不是CUP的缓存， 4，汇编--》编译器---》机器码01 5，汇编语言组成 汇编指令，机器码的助记符 伪指令，编译器执行 其他符号，编译器识别 6，一串

架构师知识图谱-后端运维

计算机系统内部图，主板，硬件速度对照表

架构师知识图谱-java

架构师知识图谱-大数据-云计算

基于深度学习的城市建筑物提取方法研究_李志强

1，摘要 面向对象的城市建筑物信息提取方法在实际应用中存在精度不高、后处理工作量大等局限。本文分析了FCN、U-Net、SegNet的优点与不足，在U-Net网络的基础上，通过融合多个级别的特征层，构建了一种多级特征参与决策的全卷积神 经网络算法。 为充分利用 GF-2 卫星影像的全色和多光谱数据，

架构师知识图谱-移动端

利用 typecho 上传文件（附件）时，提示上传失败

失败的原因 PHP 限制了上传文件的大小 Nginx 限制了上传文件的大小 修改PHP配置文件:php.ini post_max_size 限制通过POST方法可以接受的信息最大量 upload_max_filesize 限制PHP处理上传文件的最大值，此值不能大于post_max_size值 ma

镜像

Ubuntu20.04 #!/bin/bash # 备份原有的软件源列表文件 sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup.$(date +%Y%m%d%H%M%S) # 写入阿里云的 Ubuntu 20.04

凉拌黄瓜

材料：黄瓜，大蒜，小米辣（可选），葱花（可选），白芝麻（可选），辣椒面（可选） 调料：耗油，生抽，老抽，陈醋，白糖 步骤： 准备料汁： 蒜末，小米辣，葱花，白芝麻，辣椒面等混合 淋热油 加入调料：两勺生抽，一勺耗油，半勺白糖，两勺陈醋 黄瓜切丝 加入搅拌

麻辣香锅

材料 配料：洋葱，香菜，花椒，干辣椒，葱姜蒜， 调料：糖，盐，火锅底料，生抽，耗油 配菜： 方案一： 西蓝花，香菜，辅助，油条，莴笋，土豆，小腊肠，鹌鹑蛋，金针菇，豆芽，宽粉，黄金豆 鸡中翅，大白菜，虾，香菇，火锅丸子，芝士丸子，午餐肉，蟹肉棒，藕，包面，牛肉卷，玉米 方案二： 玉米，香菇，西蓝花，

目标检测_1

Keywords :Ubuntu,VOC,Object_detection 1，环境搭建 使用anaconda3， 先安装 换源，若不然会非常慢 方式参考 https://www.cnblogs.com/Dean0731/p/11560371.html export PATH="/usr/lo

门电路，与或非

半加法器：异或门+与门 一位数的加减：0 +0 ，1+1，0+1

内核线程与用户线程

目标检测_0

目标检测 rcnn：根据颜色等特征，将图像分为许多小区域（一般情况下颜色相同的都是一类物体） 合并区域，然后进行区域内的物体检测 即到卷积中进行预测（每个框一个卷积网络） 缺点：找到的框太多 fast-rcnn:整张图片卷积得到特征图 图片映射到特征图， faster-rcnn:RPN 层，根据标注