1 摘要提出了一种双时间图像转换器（BIT）用来高效并有效地在空间-时间域内对上下文进行建模。2 介绍基于高分辨率遥感图像的变化检测（CD）在两个方面仍然具有挑战：（1）场景中对象的复杂性（2）不同的成像条件这两者都促使同一语义概念的对象在不同的时间、不同的空间位置表现出不同的光谱特征。例如一张图像中不同位置的建筑物具有不同的形状和外观，如下图Image1和Image2中的黄框所示；同一个建筑物在

数据集为鸢尾花数据集，特征有4个，类别有3类，分为训练集和测试集，进行K-means聚类，以学习K-means聚类算法。import operatorimport csvimport numpy as npimport randomnames = ['Iris-setosa', 'Iris-versicolor', 'Iris-virginica'] #类别train_lables = []tes

原文链接：https://arxiv.org/pdf/2005.12872v3.pdf2020年发表在ECCV上摘要将目标检测看作直接集合预测问题。优点：简化了解决方案，有效的消除了许多手工设计组件的需要，如非极大值抑制步骤或锚框生成。明确编码关于任务的先验知识。新框架的主要组成部分被称为DEtection TRansformer(DETR)，是一个基于集的全局损失，通过二部匹配和transfor