基于百度地图API在AI Stduio上的瓦片地图块图像处理与分类

项目介绍

本项目基于百度地图API获取了不同的瓦片地图并进行合并等处理，可用于遥感和抽象地图的地图块的图像分类、分割、检测等数据的制作。

项目背景

卫星地图的图像分类是依据是地物的光谱特征，确定判别函数和相应的判别准则，将图像所有的像元按性质分为若干类别的过程，主要方式分为监督分类与非监督分类。
深度学习( deep learning) 作为机器学习算法中的一个新兴技术，其动机在于建立模拟人脑进行分析学习的神经网络，它能通过海量的训练数据和具有很多隐藏层的深度模型学习更有用的特征，最终提升分类的准确性。近年来深度学习在图像分类应用中取得了令人瞩目的成绩，越来越多的学者开始将深度学习应用于遥感图像处理中。几种常用的深度学习方法包括自动编码器、卷积神经网络、深度信念网络和针对小训练样本的迁移学习。这里讨论的方法即为使用百度地图API获取卫星地图，从而进行相应的图像分类与应用。

百度地图开放平台

申请API

1、打开网页 http://lbsyun.baidu.com/index.php?title=首页

2、使用之前需要注册成为开发者，根据提示进行实名认证，注册成功即可。

3、注册成功之后，打开控制台，进入应用管理，输入应用名称，类型，白名单写英文半角的*。

4、创建成功，显示下图，会显示密钥AK

简单测试验证-1

根据上面的操作后，设置AK可进行简单的验证。

(说明：需要修改经度和维度可从百度地图的坐标拾取系统进行获取，
链接为：https://api.map.baidu.com/lbsapi/getpoint/index.html)

import requests
import json#'复制上文中的AK'
ak = 'dYg9wxs2v2xfaNEpTmcR4S6jZ0idkHN6'origin = '40.01116,116.339303'  # 起始点经纬度坐标
destination = '39.936404,116.452562'  # 终点经纬度坐标
url = 'https://api.map.baidu.com/directionlite/v1/walking?origin=' \+ origin + '&destination=' + destination + '&ak=' + ak + '&coord_type=wgs84''''
url数据解释
1. walking是步行导航的意思，如果想要其他导航方式可参考官方文档riding是骑行导航driving是驾车导航transit是公交导航等等
2. origin是起始点的经纬度坐标，前者为纬度，后者为经度
3. destination是终点的经纬度坐标
4. ak是就是上文中的ak
5. coord_type=wgs84的意思是gps坐标。因为默认是百度经纬度坐标。
'''response = requests.get(url)  # 请求连接
answer = response.json()  # 获取json格式
answer_json = json.dumps(answer, indent=4)  # 增加缩进，不然可能得到的数据都在一行print(answer_json)  # 打印查看

{
“distance”: 149,
“duration”: 127,
“direction”: 3,
“instruction”: “\u8d70150\u7c73,\u5230\u8fbe\u7ec8\u70b9”,
“path”: “116.46359089038,39.94356399372;116.4645233315,39.943548712251;116.46479282315,39.943537026419;116.46489702659,39.943532877602;116.46500302664,39.943527968169;116.46535067088,39.943512824986”,
“start_location”: {
“lng”: “116.46359089038”,
“lat”: “39.94356399372”
},
“end_location”: {
“lng”: “116.46535067088”,
“lat”: “39.943512824986”
}
}

通过以上的输出，可以看到，这里获取打印到的信息包括walking(步行导航)、riding(骑行导航)、driving(驾车导航)、transit(公交导航)以及
origin(起始点的经纬度坐标，前者为纬度，后者为经度)、destination(终点的经纬度坐标)等参数。
后续可根据相应的距离需求来进行获取。

瓦片块图像处理

针对地图图像处理，这里主要依赖于地图瓦片，简单理解就是根据不同地图层级的大小以及经纬度信息将地图图像根据行列划分为多个子图像，这个子图像就是地图瓦片。

瓦片地图模型概述及原理

瓦片地图金字塔模型是一种多分辨率层次模型，从瓦片金字塔的底层到顶层，分辨率越来越低，但表示的地理范围不变。首先确定地图服务平台所要提供的缩放级别的数量N，把缩放级别最高、地图比例尺最大的地图图片作为金字塔的底层，即第0层，并对其进行分块，从地图图片的左上角开始，从左至右、从上到下进行切割，分割成相同大小(比如256x256像素)的正方形地图瓦片，形成第0层瓦片矩阵;在第0层地图图片的基础上，按每像素分割为2×2个像素的方法生成第1层地图图片，并对其进行分块，分割成与下一层相同大小的正方形地图瓦片，形成第1层瓦片矩阵;采用同样的方法生成第2层瓦片矩阵;…;如此下去，直到第N一1层，构成整个瓦片金字塔。

其实切片之后的地图瓦片是栅格图像，并不具备定位信息，不过切片运用了相关切片算法之后，可以计算出具体定位的位置。例如采用WGS84大地坐标系为空间参考，对地图进行切片，采用一定的切片算法，例如用经纬度步长等比例分割形成地图瓦片，当需要对一个具体地方进行定位时，可以根据经纬度步长来计算具体位置，以此来达到定位的功能。

地图瓦片的基本原理

1.瓦片尺寸通常为256*256像素。

2.地图的最小zoom level是0，这时候，整个世界地图是一张瓦片，根据Web-Mercator投影公式可知，在zoom level=0的时候，经度[-180°,180°]，纬度[-85.051129°, 85.051129°]区间的数据可以被投影在一个256*256像素的正方形图片上。

3.zoom level越大，组成世界地图的瓦片数越多，可以展示的地图内容越详细。

4.某一zoom level下的地图瓦片是由它的上一层级的各瓦片切割成的4个瓦片组成，形成了瓦片金字塔。

5.瓦片通常都是png格式的，命名格式通常为z(zoom level)/x/y.png。

经维度坐标与瓦片的转换

经纬度坐标与瓦片的转换，最关键的参数是zoom level（z）。

瓦片z=0，x=0，y=0，对应的坐标范围是经度[-180,180]，纬度[-85.05,85.05]，对应的瓦片尺寸是256像素*246像素。

经纬度坐标(lng,lat)转瓦片坐标(tileX,tileY)的公式如下：

tileX=int((lng+180)/360∗2z)tileX=int((lng+180)/360*2^z)tileX=int((lng+180)/360∗2z)

tileY=(1−arsinh(tan(lat∗π/180))/π)∗2(z−1)tileY=(1- arsinh(tan(lat*π/180))/π) *2^(z-1)tileY=(1−arsinh(tan(lat∗π/180))/π)∗2(z−1)

其中z是zoom level，计算结果取整数。

其中反双曲正弦函数arsinh(x)arsinh(x)arsinh(x)，等价于ln(x+(x2+1)0.5)ln(x+(x^2+1)^{0.5})ln(x+(x2+1)0.5)。

瓦片坐标(tileX,tileY)转经纬度坐标(lng,lat)公式，计算结果为该瓦片对应的最小经度和最大纬度：

lng=tileX/2z∗360−180lng=tileX/2^z * 360-180lng=tileX/2z∗360−180

lat=arctan(sinh(π∗(1−2∗tileY/2z)))∗180/πlat=arctan(sinh(π*(1-2*tileY/2^z)))*180/πlat=arctan(sinh(π∗(1−2∗tileY/2z)))∗180/π

其中，z是zoom level，双曲函数sinh(x)=(ex−e(−x))∗0.5sinh(x)=(e^x-e^(-x))*{0.5}sinh(x)=(ex−e(−x))∗0.5。

经纬度坐标(lng,lat)转像素坐标(pixelX,pixelY)公式：

pixelX=(lng+180)/360∗2z∗256pixelX=(lng+180)/360*2^z*256%256pixelX=(lng+180)/360∗2z∗256

pixelY=(1−ln(tan(lat∗π/180)+sec(lat∗π/180))/(2∗π))∗2z∗256pixelY=(1-ln(tan(lat*π/180)+sec(lat*π/180))/(2*π))*2^z*256%256pixelY=(1−ln(tan(lat∗π/180)+sec(lat∗π/180))/(2∗π))∗2z∗256

经纬度、瓦片编号、像素坐标之间转换的python代码为：

import math
# 像素分辨率
def getResolution(level):return 156543.03*math.pow(2,-level)
# 经纬度转瓦片
def lnglatToTile(lng,lat,level):tileX=int((lng+180)/360*math.pow(2,level))tileY=int((1-math.asinh(math.tan(math.radians(lat)))/math.pi)*math.pow(2,level-1))return tileX,tileY
# 瓦片转经纬度
def tileToLnglat(tileX,tileY,level):lng=tileX/math.pow(2,level)*360-180lat=math.degrees(math.atan(math.sinh(math.pi*(1-2*tileY/math.pow(2,level)))))return lng,lat
# 经纬度转像素
def lnglatToPixel(lng,lat,level):pixelX=round((lng+180)/360*math.pow(2,level)*256%256)pixelY=round((1-math.log(math.tan(math.radians(lat))+1/math.cos(math.radians(lat)))/(2*math.pi))*math.pow(2,level)*256%256)return pixelX,pixelY
# 瓦片和像素转经纬度
def pixelToLnglat(tileX,tileY,pixelX,pixelY,level):lng=(tileX+pixelX/256)/math.pow(2,level)*360-180lat=math.degrees(math.atan(math.sinh(math.pi-2*math.pi*(tileY+pixelY/256)/math.pow(2,level))))return lng,latif __name__ == '__main__':# 北京坐标[116.391305,39.905530]print(getResolution(3))print(lnglatToTile(116.37,39.640,10))print(tileToLnglat(843, 388,10))print(lnglatToPixel(116.37,39.640,10))print(pixelToLnglat(843, 388,2,256,10))

19567.87875
(843, 388)
(116.3671875, 39.90973623453718)
(2, 256)
(116.36993408203125, 39.6395375643667)

根据经纬度批量获取下载瓦片图像

根据上面的操作与内容，已经知道了瓦片的基本概念含义以及如何去转换获取瓦片，
那么下面就基于百度地图API来进行相应经纬度瓦片图像的获取吧。
另外这里还需要说明的是，由于这里的地图简单分为两种，一种是抽象地图，一种是卫星地图，相应的瓦片也有不同的区分。
可以通过设置参数进行区分。详情可见注释。

这里先简单验证下，AK是可用的，也就是能够成功获取到信息。

import math
import urllib
import urllib.request as urllib2
import json
from urllib.request import urlopen
from urllib import parseakey = 'dYg9wxs2v2xfaNEpTmcR4S6jZ0idkHN6'def latlon2px(z, lat, lon):x = 2 ** z * (lon + 180) / 360 * 256y = -(.5 * math.log((1 + math.sin(math.radians(lat))) / (1 - math.sin(math.radians(lat)))) / math.pi - 1) * 256 * 2 ** (z - 1)return x, ydef latlon2xy(z, lat, lon):x, y = latlon2px(z, lat, lon)x = int(x / 256)  # ,int(x%256)y = int(y / 256)  # ,int(y%256)return x, ydef bd_latlng2xy(z, lat, lng):# coords = str(lng) + ',' + str(lat)# url = 'http://api.map.baidu.com/geoconv/v1/?coords='+coords+'&ak=1jyKeVBnklxsB2Zyduy6wXdnwWEPUjaZ'url = 'http://api.map.baidu.com/geoconv/v1/?'# url = 'https://api.map.baidu.com/staticimage/v2/?'# url = 'https://api.map.baidu.com/staticimage/v2?ak=dYg9wxs2v2xfaNEpTmcR4S6jZ0idkHN6'args = {'coords': str(lng) + ',' + str(lat),'from': 5,'to': 6,'output': 'json','ak': akey}data = urllib.parse.urlencode(args)response = urllib2.urlopen(url + data)print('response:', response)result = response.read()print('ress:', result)result = json.loads(result, encoding='utf-8')print('result:', result)loc = result["result"][0]res = 2 ** (18 - z)x = loc[u'x'] / resy = loc[u'y'] / resreturn x, y

z = 19
lat = 31.025819
lng = 121.434229
x, y = bd_latlng2xy(z, lat, lng)
print(x // 256)
print(y // 256)  # only right when lat>0 lng>0

response: <http.client.HTTPResponse object at 0x7f9a5c0faf50>
ress: b'{"status":0,"result":[{"x":13518143.623854652,"y":3613877.0373780529}]}'
result: {'status': 0, 'result': [{'x': 13518143.623854652, 'y': 3613877.0373780527}]}
105610.0
28233.0

批量下载瓦片图像-程序

import urllib.request as urllib2
import os, sys
import mathimport time
import randomdef download_tiles(zoom, lat_start, lat_stop, lon_start, lon_stop, satellite=True):start_x, start_y = bd_latlng2xy(zoom, lat_start, lon_start)stop_x, stop_y = bd_latlng2xy(zoom, lat_stop, lon_stop)start_x = int(start_x // 256)start_y = int(start_y // 256)stop_x = int(stop_x // 256)stop_y = int(stop_y // 256)print("x range", start_x, stop_x)print("y range", start_y, stop_y)root_save = "tiles"os.makedirs(root_save, exist_ok=True)for x in range(start_x, stop_x):for y in range(start_y, stop_y):url = Nonefilename = Noneif satellite:url = "http://shangetu0.map.bdimg.com/it/u=x=%d;y=%d;z=%d;v=009;type=sate&fm=46&udt=20150504&app=webearth2&v=009&udt=20150601" % (x, y, zoom)filename = "%d_%d_%d_s.jpg" % (zoom, x, y)else:url = 'http://online3.map.bdimg.com/tile/?qt=tile&x=%d&y=%d&z=%d&styles=pl&scaler=1&udt=20180810' % (x, y, zoom)filename = "%d_%d_%d_r.png" % (zoom, x, y)filename = os.path.join(root_save, filename)print('filename', filename)if not os.path.exists(filename):bytes = Nonetry:req = urllib2.Request(url, data=None)response = urllib2.urlopen(req)bytes = response.read()except Exception as e:print("--", filename, "->", e)sys.exit(1)print("-- saving", filename)f = open(filename, 'wb')f.write(bytes)f.close()time.sleep(1 + random.random())

获取卫星地图瓦片

zoom = 19
lat_start, lon_start = 31.022547, 121.429391
lat_stop, lon_stop = 31.041453, 121.45749
satellite = True  # roads if false
download_tiles(zoom, lat_start, lat_stop, lon_start, lon_stop, satellite)

下面可以简单预览下。

import ipywidgets as widgets
import IPython.display as display
## Read images from file (because this is binary, maybe you can find how to use ByteIO) but this is more easy
img1 = open('/home/aistudio/tiles/19_105606_28236_s.jpg', 'rb').read()
img2 = open('/home/aistudio/tiles/19_105606_28238_s.jpg', 'rb').read()
img3 = open('/home/aistudio/tiles/19_105621_28238_s.jpg', 'rb').read()
## Create image widgets. You can use layout of ipywidgets only with widgets.
## Set image variable, image format and dimension.
wi1 = widgets.Image(value=img1, format='png', width=256, height=256)
wi2 = widgets.Image(value=img2, format='png', width=256, height=256)
wi3 = widgets.Image(value=img3, format='png', width=256, height=256)
## Side by side thanks to HBox widgets
sidebyside = widgets.HBox([wi1, wi2, wi3])
## Finally, show.
display.display(sidebyside)

HBox(children=(Image(value=b'\xff\xd8\xff\xe0\x00\x10JFIF\x00\x01\x01\x00\x00\x01\x00\x01\x00\x00\xff\xfe\x00>…

获取抽象地图瓦片

zoom = 19
lat_start, lon_start = 31.022547, 121.429391
lat_stop, lon_stop = 31.041453, 121.45749
satellite = False  # roads if false
download_tiles(zoom, lat_start, lat_stop, lon_start, lon_stop, satellite)

import ipywidgets as widgets
import IPython.display as display
## Read images from file (because this is binary, maybe you can find how to use ByteIO) but this is more easy
img1 = open('/home/aistudio/tiles/19_105606_28231_r.png', 'rb').read()
img2 = open('/home/aistudio/tiles/19_105606_28247_r.png', 'rb').read()
img3 = open('/home/aistudio/tiles/19_105606_28248_r.png', 'rb').read()
## Create image widgets. You can use layout of ipywidgets only with widgets.
## Set image variable, image format and dimension.
wi1 = widgets.Image(value=img1, format='png', width=256, height=256)
wi2 = widgets.Image(value=img2, format='png', width=256, height=256)
wi3 = widgets.Image(value=img3, format='png', width=256, height=256)
## Side by side thanks to HBox widgets
sidebyside = widgets.HBox([wi1, wi2, wi3])
## Finally, show.
display.display(sidebyside)

HBox(children=(Image(value=b'\x89PNG\r\n\x1a\n\x00\x00\x00\rIHDR\x00\x00\x01\x00\x00\x00\x01\x00\x08\x03\x00\x…

合并瓦片地图

上面已经分别获取到了卫星地图和抽象地图在指定经纬度的256*256的瓦片地图，那么怎么样得到完整区域下的地图呢，
可以通过下面程序将其进行行列瓦片图的合并。

from PIL import Image
import sys, osdef merge_tiles(zoom, lat_start, lat_stop, lon_start, lon_stop, satellite=True):TYPE, ext = 'r', 'png'if satellite:TYPE, ext = 's', 'jpg'x_start, y_start = bd_latlng2xy(zoom, lat_start, lon_start)x_stop, y_stop = bd_latlng2xy(zoom, lat_stop, lon_stop)x_start = int(x_start / 256)y_start = int(y_start / 256)x_stop = int(x_stop / 256)y_stop = int(y_stop / 256)print("x range", x_start, x_stop)print("y range", y_start, y_stop)w = (x_stop - x_start) * 256h = (y_stop - y_start) * 256print("width:", w)print("height:", h)result = Image.new("RGBA", (w, h))root_save = "tiles"print("start download===",x_start, x_stop,y_start,y_stop)for x in range(x_start, x_stop):for y in range(y_start, y_stop):filename = "%d_%d_%d_%s.%s" % (zoom, x, y, TYPE, ext)filename = os.path.join(root_save, filename)if not os.path.exists(filename):print("-- missing", filename)continuex_paste = (x - x_start) * 256y_paste = (y_stop - y - 1) * 256try:i = Image.open(filename)except Exception as e:print("-- %s, removing %s" % (e, filename))trash_dst = os.path.expanduser("~/.Trash/%s" % filename)os.rename(filename, trash_dst)continueresult.paste(i, (x_paste, y_paste))del iresult = result.convert("RGB")result.save("map_%s.%s" % (TYPE, ext))

合并卫星地图瓦片

zoom = 19
lat_start, lon_start = 31.022547, 121.429391
lat_stop, lon_stop = 31.041453, 121.45749
satellite = True  # roads if false
# zoom = 15
# lat_start, lon_start = 29.373026, 106.25131
# lat_stop, lon_stop = 29.755033, 106.72734
merge_tiles(zoom, lat_start, lat_stop, lon_start, lon_stop, satellite=True)

response: <http.client.HTTPResponse object at 0x7f0db864da50>
ress: b'{"status":0,"result":[{"x":13517605.054298275,"y":3613454.1099721884}]}'
result: {'status': 0, 'result': [{'x': 13517605.054298274, 'y': 3613454.1099721882}]}
response: <http.client.HTTPResponse object at 0x7f0d99269cd0>
ress: b'{"status":0,"result":[{"x":13520733.05470436,"y":3615898.0367417645}]}'
result: {'status': 0, 'result': [{'x': 13520733.05470436, 'y': 3615898.0367417643}]}
x range 105606 105630
y range 28230 28249
width: 6144
height: 4864
start download=== 105606 105630 28230 28249

合并完成后，进行效果预览下。

%matplotlib inline
def imshow_img(img_path):import matplotlib.pyplot as pltimport matplotlib.image as mpimgimg = mpimg.imread(img_path)plt.figure(figsize=(10,10))plt.imshow(img)plt.axis('off')plt.show()
img_path = '/home/aistudio/map_s.jpg'
imshow_img(img_path)

合并抽象地图瓦片

zoom = 19
lat_start, lon_start = 31.022547, 121.429391
lat_stop, lon_stop = 31.041453, 121.45749
satellite = True  # roads if false
merge_tiles(zoom, lat_start, lat_stop, lon_start, lon_stop, satellite=False)

response: <http.client.HTTPResponse object at 0x7f9a458032d0>
ress: b'{"status":0,"result":[{"x":13517605.054298275,"y":3613454.1099721884}]}'
result: {'status': 0, 'result': [{'x': 13517605.054298274, 'y': 3613454.1099721882}]}
response: <http.client.HTTPResponse object at 0x7f9a5c0bc050>
ress: b'{"status":0,"result":[{"x":13520733.05470436,"y":3615898.0367417645}]}'
result: {'status': 0, 'result': [{'x': 13520733.05470436, 'y': 3615898.0367417643}]}
x range 105606 105630
y range 28230 28249
width: 6144
height: 4864
start download=== 105606 105630 28230 28249

ad=== 105606 105630 28230 28249

img_path = '/home/aistudio/map_r.png'
imshow_img(img_path)

图像分类处理

(!!!下面代码需要在本地环境运行，目前AI Studio环境暂不支持)

处理完以上步骤后，可以将图片从AI Studio上打包下载下来，然后运行下面的代码，则可以通过按键设置来进行图片预览和分类。
这里简单的将卫星瓦片图像分为房屋、道路以及空地三个类。
效果如下，后续可通过这种方式来制作卫星瓦片地图的分类数据集，同时下面的手动图像分类代码也可用于其他图像的分类。

import cv2
import os
import shutil
import time
import sysleftkeys = (81, 110, 65361, 2424832)
rightkeys = (83, 109, 65363, 2555904)
# 当前脚本工作的目录路径
root_dir = os.getcwd()
# print(root_dir)
# os.path.abspath()获得绝对路径
root_absdir = os.path.abspath(os.path.dirname(__file__))
print(root_absdir)def make_dirs2(n):if not os.path.exists(os.path.join(root_dir, n)):os.makedirs(os.path.join(root_dir, n))def Classification_Tools(data_dir,class_names,action_type='copy'):global imageif not os.path.exists(data_dir):print('data_all not exists, please put data to: ', data_dir)time.sleep(5)exit()unconfirmed = 'unconfirmed'  # 不确定数据存放路径make_dirs2(unconfirmed)num_cls = len(class_names)for j in range(num_cls):make_dirs2(str(class_names[j]))image_list = os.listdir(data_dir)if len(image_list) == 0:print('no image in %s ... please put data to: %s' % (data_dir, data_dir))time.sleep(5)exit()cv2.namedWindow('Classification_Tools', 0)i = 0coccus_label = Nonefor i in range(0, len(image_list)):assert i < len(image_list), ('no image left...')print('i', i)image_path = os.path.join(data_dir, image_list[i])print(image_path)image = cv2.imread(image_path)if image.shape is None:print('The images open fail!')continueelse:print(image.shape)cv2.imshow('Classification_Tools', image)key = cv2.waitKeyEx()if key == ord('d'):coccus_label = 'unconfirmed'if action_type == 'copy':shutil.copy(image_path, os.path.join(root_dir, unconfirmed))else:shutil.move(image_path, os.path.join(root_dir, unconfirmed))i += 1  # (i + 1) % len(image_list)if key in rightkeys:i += 1  # (i + 1) % len(image_list)if key in leftkeys and coccus_label != None:print('leftkeys:', os.path.join(('./' + str(coccus_label)), image_list[i - 1]))if os.path.exists(os.path.join(('./' + str(coccus_label)), image_list[i - 1])):print('successful', os.path.join(('./' + str(coccus_label)), image_list[i - 1]))if action_type == 'copy':shutil.copy(os.path.join(('./' + str(coccus_label)), image_list[i - 1]), data_dir)else:shutil.move(os.path.join(('./' + str(coccus_label)), image_list[i - 1]), data_dir)i -= 1if i < 0:i = len(image_list) - 1if (key == ord('q')) or (key == 27):breakfor j in range(num_cls):if key & 0xFF == ord(str(j)):coccus_label = str(j)shutil.move(image_path, os.path.join(root_dir, str(class_names[j])))i += 1  # (i + 1) % len(image_list)breakif __name__ == '__main__':# 待分类数据路径data_dir = '/home/linxu/Projects/PycharmProjects/AI-Map/core/tiles'# 待分类名称列表class_names = ['house', 'road', 'space']# 分类标注器Classification_Tools(data_dir,class_names,)

数据制作项目代码

另外附上引用到的项目代码出处，是近期开源出来的一个数据集制作工具库DatasetMarkerTool，有兴趣的也可以帮忙Star下。

Tool for making model training data set(用于模型训练数据集的制作工具)

https://github.com/isLinXu/DatasetMarkerTool

最后是本地代码测试下载的地图图像效果

可根据自己设置按键和分类名称，在预览的时候将不同的图片归类到不同的文件目录。

总结

本项目基于百度地图API分别对不同的瓦片地图进行分割、合并等处理，同时也探究了用于图像分类的延伸应用，具有一定的实用性。

后续将接着这项工作进行相应目标和对象的目标检测、图像分类以及图像分割等深度学习算法应用。

个人介绍

林旭某小厂算法架构师
AICA六期班学员
飞桨PFCC成员

参考材料

[1] https://blog.csdn.net/sinat_41310868/article/details/115561425

[2] https://baike.baidu.com/item/%E7%93%A6%E7%89%87%E5%9C%B0%E5%9B%BE/8006049?fr=aladdin

此文章为搬运
原项目链接

基于百度地图API在AI Studio上的卫星地图块图像处理与分类相关推荐

【百度地图API】如何制作一张魔兽地图！！——CS地图也可以，哈哈哈
[百度地图API]如何制作一张魔兽地图!!--CS地图也可以,哈哈哈原文:[百度地图API]如何制作一张魔兽地图!!--CS地图也可以,哈哈哈摘要: 你玩魔兽不?你知道如何做一张魔兽地图不?! 快 ...
基于百度图像识别api的游戏（coc）辅助工具分析
基于百度图像识别api的游戏(coc)辅助工具分析 (本代码仅供参考学习使用) 去年国庆放假,没事干,刚学了python 于是就找了这个小项目来练练手总体来说难度不大内容也不多几百行搞定 (删 ...
基于百度音乐Api的Android高仿音乐播放App可在线试听下载歌词浏览
基于百度音乐Api的Android高仿音乐播放App可在线试听下载歌词浏览首先这也是学习过程中开发的一个练手项目,基于百度音乐Api,api在网上搜的,如果想看他的实现,可以下载我的项目来参考.风格 ...
基于百度翻译API的node插件
基于百度翻译API的node插件背景做过国际化的项目就明白要把每处的文案翻译成不同的语言版本,如果只是一点点,自己去百度上翻译成对应语言版本,copy过来就ok了,但是如果这个项目文案特别多的话, ...
vue调用百度地图API实现点击相应位置切换地图定位
vue调用百度地图API实现点击相应位置切换地图定位 1.需求分析在页面显示地图,初始状态显示上海市,地图上有特定地点的标注. 左侧为建筑(地点)列表,点击某个地点右侧地图定位到其地理位置并显示具体 ...
解决网页百度地图API在UC浏览器上不兼容情况
百度地图api网页端使用UC浏览器开启鼠标滚轮放大缩小功能时候会出现页面滚动问题在script中加入: document.onmousewheel=function (e) {e= e || win ...
百度深度学习平台AI Studio入门
AI Studio是百度推出的基于PaddlePaddle框架的一站式深度学习平台,百度提供Jupyter notebook的定制修改版本的编程环境,并且提供免费GPU算力加速模型开发,类似于谷歌co ...
在AI Studio上部署外部可以直接调用的云端服务
简介: 按照百度上的快速部署的两个平台:EasyDL以及AI Studio体验馆的例子,对于在云端部署可以直接调用的服务进行了测试.但最后没有能够测试成功.后面还需要通过具体的例子来测试完整进行 ...
用百度地图API打造方便自己使用的手机地图
有钱人咱就不说了,因为偶是个穷银--因为穷,所以去年买的Huawei C8650+到现在还在上岗,对于没有钱买好的配置的手机的童鞋来说,类似于百度,谷歌,高德等商家的地图在自己的机器上跑起来确实是有点 ...

基于百度地图API在AI Studio上的卫星地图块图像处理与分类