Skip to content

Latest commit

 

History

History
61 lines (49 loc) · 1.65 KB

README.zh-hans.md

File metadata and controls

61 lines (49 loc) · 1.65 KB
Raw

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

fetch_houston2013

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

screenshot

Usage

  1. 安装 scikit-image
pip install scikit-image==0.22.0
  1. 复制 fetch_houston2013.py 到你的项目中
  2. 导入并运行
from fetch_houston2013 import fetch_houston2013
casi, lidar, train_y, test_y, num_class = fetch_houston2013()

PyTorch

  1. 安装 scikit-image
pip install scikit-image==0.22.0
  1. 复制 Houston2013.py 到你的项目中
  2. 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))

常见问题

删除 ~/scikit_learn_data 来清理缓存 验证集从pastebin下载

Credits

Houston2013 dataset: https://hyperspectral.ee.uh.edu/?page_id=459 paperswithcode: https://paperswithcode.com/dataset/houston

License

AGPL-3.0-only