Публикации по теме 'geospatial'
Создание красивых карт леса с помощью Python
Используйте растровые файлы для создания привлекательных визуализаций с помощью Matplotlib.
Введение
Леса и растительность всегда играли ключевую роль в выживании людей на земле. Они обеспечивают воздух, которым мы дышим, пищу, которую мы едим, и материалы, используемые для строительства наших домов. Благодаря множеству увлекательных исследовательских проектов существует несколько наборов данных с открытым исходным кодом, иллюстрирующих распределение лесов и растительности на Земле...
Кластеризация в геопространственных приложениях - какую модель следует использовать?
Мысли и теория
Кластеризация в геопространственных приложениях - какую модель следует использовать?
Новое сравнение KMeans, DBSCAN, моделей иерархической кластеризации в машинном обучении в применении к городским сетям.
Взгляните на популярный набор инструментов машинного обучения на Python, страницу scikit-learn, посвященную различным алгоритмам кластеризации, и вы увидите сравнения между 10 различными алгоритмами. Разработчики пакетов проделали отличную работу по сравнению и..
Профиль клиента: SEMCOG
Что делает местное правительство, когда хочет создать пешеходную модель, чтобы получить более четкое представление о том, как люди ходят по городу? Они обращаются к Ecopia за извлечением информации о тротуарах и пешеходных переходах, обеспечивая точную информацию в масштабе и за значительно меньшее время, чем традиционные методы. Совет правительств Юго-Восточного Мичигана (SEMCOG) является региональным партнером по планированию, который способствует принятию обоснованных решений за счет..
Конвейер машинного обучения Solaris для геопространственных изображений
Конвейер машинного обучения OpenSource для геопространственных изображений. Запускайте геопространственные модели компьютерного зрения на любых изображениях с высоты птичьего полета с помощью одной строки кода.
Развертывание модели Solaris: от начала до конца
бит.лы/2PVm27G
Утилита машинного обучения для спутниковых изображений bit.ly/3fZPweQ
Бумага
бит.лы/2E2AIis
Гитхаб
бит.лы/3g0Jj2k
Учебные тетради
бит.лы/2PVhyh6
$ 𝚙𝚒𝚙 𝚒𝚗𝚜𝚝𝚊𝚕𝚕 𝚜𝚘𝚕𝚊𝚛𝚒𝚜
Ускорьте исследования в..
Получение данных OpenStreetMap в Python
Руководство о том, как получить доступ к базе данных OpenStreetMap с помощью Python с помощью Google Colab.
Если вы хотите получить геопространственные данные из OpenStreetMap (OSM), вы можете загрузить их, но это требует времени и хранения. Не выходя из среды разработки (Jupyter Notebooks), вы можете получить доступ к данным OpenStreetMap и получить их. Представьте, что вы проводите анализ и хотите узнать, сколько мест отдыха или ресторанов находится в интересующей вас области.
В..
Как работают запросы GeoSpatial в MongoDB? футов NodeJS :)
Как работают запросы GeoSpatial в MongoDB? футов NodeJS :) [Часть 1]
Я работаю с MongoDB уже более 4 лет, используя ее для создания масштабируемых экспертных систем, но у меня никогда не было возможности изучить эту сторону MongoDB, которая помогает вам очень эффективно выполнять запросы GeoSpatial к определенной коллекции. Давайте двигаться дальше и строить что-то.
В этой статье я буду работать с адресами и почтовыми индексами по всей Калифорнии. Вот ссылка для скачивания на..
Представляем мультимодальную библиотеку предварительной обработки Solaris
Представляем мультимодальную библиотеку предварительной обработки Solaris
В последней версии Solaris , доступной сейчас, есть новый ресурс для геопространственного глубокого обучения: мультимодальная библиотека предварительной обработки Solaris. Эта библиотека упрощает работу по предварительной обработке изображений, то есть очистку данных и анализ изображений, чтобы привести данные в окончательную форму для глубокого обучения. Это достигается путем предоставления строительных блоков..
