English | 中文(简体)
注意: 学术圈有一个普遍误解就是开源代码想怎么用就怎么用。实际上使用开源代码必须遵循开源许可使用,否则也是侵权。
只要使用了本项目的代码并公开发布,你就要:
- 你的项目必须开源
- 必须使用同样的许可
- 哪怕是通过网络提供服务,也必须开源
我们不要求你在论文中引用本项目,但你的代码必须以AGPL-3.0协议开源
下载并加载houston2013数据集
- 自动下载所有数据集(包括验证集)
- 缓存已下载的文件
- 验证下载文件是否正确
- numpy格式
- 用稀疏矩阵存储标签
- 支持PyTorch
- 安装 scikit-image
pip install scikit-image==0.22.0
- 复制 fetch_houston2013.py 到你的项目中
- 导入并运行
from fetch_houston2013 import fetch_houston2013
casi, lidar, train_y, test_y, num_class = fetch_houston2013()
- 安装 scikit-image
pip install scikit-image==0.22.0
- 复制 Houston2013.py 到你的项目中
- 导入并运行
from Houston2013 import Houston2013
trainset = DataLoader(Houston2013(train=True, patch_size=7), batch_size=32, shuffle=True)
testset = DataLoader(Houston2013(train=False, patch_size=7))
删除 ~/scikit_learn_data
来清理缓存
验证集从pastebin下载
Houston2013 dataset: https://hyperspectral.ee.uh.edu/?page_id=459 paperswithcode: https://paperswithcode.com/dataset/houston
AGPL-3.0-only