查找相似内容

阅读自然迹象的艺术 :Author: [UK] Tristan Gooley :Year: 2014 :Pages: 402 :ISBN: 9781615192410 #gis#booklist

The essential wilderness navigator（野外导航指南） :Author: [US] David Seidman, Paul Cleveland :Year: 2001 :Pages: 175 :ISBN: 9780071361101 #booklist📚#gis

https://eddyemma.com/blog/2021/06/10/low-end-apology-4-limits-of-earth/ #gis

#GIS🌞🌘✨🌏🗺 https://telegra.ph/Navigating-the-high-seas-02-04

Выделение объектов на Лидаре с помощью ML LiDAR (Light identification, Detection and Ranging) - крутая штука. Это технология получения и обработки информации с помощью активных оптических систем (лазеров). Такой "лазерный дальнометр" для картирования объектов в 3Д и еще с координатами. Используется повсеместно в куче индустрий от беспилотных автомобилей до майнинга. Даже на айфонах есть (но не на моем 😢). На картинке, например, "лидарная" карта залива Линнхейвен в Вирджинии 🤩. Но я даже не про красивые картинки. Они же просто красивые, а пользы сами по себе приносят мало. Польза есть, если, например, из этих моделей, по сути точек с координатами, вытаскивать реальные объекты. То есть делать сегментацию 💡. Об этом и интересная статья на Медиуме: Introducing Segment-Lidar: Revolutionizing Unsupervised Instance Segmentation of Aerial LiDAR Data, которая рассказывает как применять крутейший алгоритм по выделению объектов SAM от компании Meta для выделения объектов на геопространственных данных, полученных с помощью Лидара (картинка 2). Статья, собственно, представляет собой пошаговую инструкцию, как это делать с помощью модуля в Питоне segment-lidar. 📖Medium 💻Github #GIS#ML

Выделение объектов на Лидаре с помощью ML LiDAR (Light identification, Detection and Ranging) - крутая штука. Это технология получения и обработки информации с помощью активных оптических систем (лазеров). Такой "лазерный дальнометр" для картирования объектов в 3Д и еще с координатами. Используется повсеместно в куче индустрий от беспилотных автомобилей до майнинга. Даже на айфонах есть (но не на моем 😢). На картинке, например, "лидарная" карта залива Линнхейвен в Вирджинии 🤩. Но я даже не про красивые картинки. Они же просто красивые, а пользы сами по себе приносят мало. Польза есть, если, например, из этих моделей, по сути точек с координатами, вытаскивать реальные объекты. То есть делать сегментацию 💡. Об этом и интересная статья на Медиуме: Introducing Segment-Lidar: Revolutionizing Unsupervised Instance Segmentation of Aerial LiDAR Data, которая рассказывает как применять крутейший алгоритм по выделению объектов SAM от компании Meta для выделения объектов на геопространственных данных, полученных с помощью Лидара (картинка 2). Статья, собственно, представляет собой пошаговую инструкцию, как это делать с помощью модуля в Питоне segment-lidar. 📖Medium 💻Github #GIS#ML

https://t.me/iyouport/7519 #gis#侦查

如何成为植物学家 https://www.crimepaysbutbotanydoesnt.com/reading-list #booklist

#booklist📚🐟🐚🧶🔥🍠🏕 经过了「四年在澳洲雨林里的石器时代生活」，一直隐匿身份的油管频道「Primitive Technology」的频道主以John Plant的姓名公开了身份，并发布了他根据此番经历编纂结集的新书《Primitive Technology: A Survivalist’s Guide to Building Tools, Shelters, and More in the Wild 》 ------ :Author: [AU] John Plant :Year: 2019 :Pages: 191 :ISBN: 9781984823670

#booklist📚 水象：http://bewaterjournal.com

If Nature were to draw a map of the world, what would it look like? 世界生物地理区位图: https://www.oneearth.org/bioregions/ #gis#制图#环境问题

#вакансия#ML#datascience#computervision#fulltime#CV#GIS Вакансия: Computer Vision Engineer Компания: «ОЭЗ ППТ «Алабуга» Локация: Республика Татарстан, г. Елабуга Формат работы: Офис ЗП: от 375 000 ₽ Мы расширяем штат и ищем увлеченного инженера по компьютерному зрению для работы над инновационными проектами в сфере ГИС. Чем предстоит заниматься: - разработка и доработка моделей для детектирования и сопровождения объектов; - определение расстояния до объектов и ориентация в пространстве по видеоданным; - полный цикл разработки CV моделей: от постановки задачи до готового решения; - оптимизация и внедрение собственных моделей; - разработка внутренних инструментов для эксплуатации моделей; - интеграция CV в прикладные решения; - в перспективе координация Data Science команды. Требования к кандидату: - уверенные знания нейронных сетей (CNN, RNN, YOLO, семантическая сегментация); - опыт работы с Python и библиотеками для анализа данных (Pandas, NumPy, Scikit-learn, TensorFlow, PyTorch, Keras); - опыт работы с микрокомпьютерами (Raspberry Pi, Orange Pi) и NPU модулями; - умение работать с видеопотоками (RTSP, MJPEG); - умение анализировать задачи и данные, а также предлагать эффективные технические решения; - опыт в обработке изображений и анализе данных; - знание Docker и CI/CD (GitLab CI, Jenkins, Bamboo); - ответственность и нацеленность на результат. - опыт работы с камерами и 3D сканерами будет плюсом. Условия: - работа в крупной и стабильной компании – в структуре самой большой ОЭЗ в Европе; - стабильная, официальная и своевременная заработная плата (обсуждается по результатам собеседования); - график работы: 5/2 с 8:00 до 17:00; - транспорт до работы; - доступ к инфраструктуре мирового класса, включая современные офисы с необходимым для работы оборудованием и жилые комплексы; - гарантия профессионального роста и участие в уникальных и стратегических проектах. Если Вы ищете возможности для роста и готовы погрузиться в масштабные проекты, которые приносят реальную пользу, свяжитесь с нами! Контакты для связи:@anastasiya_alabuga