为人居环境问题识别提供遥感监测智能服务
基于无人机航拍采集真实人居环境遥感影像数据，通过YOLO算法进行实时目标检测。YOLO算法是一种基于回归的算法，不选择遥感影像中的感兴趣区，而是预测整个影像中的类和边界框。 首先将单元神经网络应用于完整的遥感影像，将图像将图像分割成19x19的单元格，每个单元神经网络负责预测K个单元格。预测每个区域的概率，所有单元格上具有最大概率的类被选择并分配给特定的网格单元。生成由预测概率加权的边界框，每个边界框用四个符号来描述：矩形x中央(bx，by)、宽度(bw)、高度(bh)。 在预测类概率后，进行NMS运算，来消除不必要的锚点。算法识别下一个最高类别概率的边界框，并进行相同的运算过程，直到剩下所有不同的边界框。算法输出所需的向量，并显示各个类的边界框的细节。 通过判断结果正确或错误来纳入或排除数据，识别出人居环境中的垃圾堆放与房前屋乱丢乱放现象，自动获取问题点位坐标，匹配到村镇级行政区划，并将影像中的特征区域与坐标等信息自动上传至人居环境智能监管平台，最终获得人居环境遥感监测识别数据。
| 字段名 | 类型 | 描述 |
|---|---|---|
X坐标 |
-- | -- |
Y坐标 |
-- | -- |
问题类型 |
-- | -- |
识别结果 |
-- | -- |
操作 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| X坐标 | 119.906618 |
| Y坐标 | 30.574685 |
| 问题类型 | 乱堆乱放及垃圾 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/3224