计算机视觉（Computer Vision, CV）是人工智能（AI）的一个重要分支，它致力于让计算机 “看懂” 视觉信息 —— 即像人类一样理解图像、视频等视觉数据中的内容和含义。计算机视觉四大基本任务（分类、定位、检测、分割）

本次为大家分享的国自然科研答辩PPT模板，均整理自网络公开资源，适配面上、青年、地区基金等各类国自然项目答辩场景，框架完整、版式规范，可直接编辑修改，助力各位高效完成PPT制作。1. 本模板均来源于网络公开分享，仅作科研交流、个人学习使用，版权归原作者所有，请勿商用；国自然答辩的胜负，往往藏在细节里。一份贴合评审逻辑、版式专业的PPT，能让研究价值快速被看见，帮科研人在答辩中少走弯路。好的研究需要

SinoLC-1数据集时间范围为2002-2021年,空间位置覆盖中国全境,数据分辨率达到1.07米。该数据集采用GeoTIFF格式,空间参考系统为GCS_WGS_1984,基准面为D_WGS_1984,坐标参考系为EPSG:4326-WGS84。数据按省级行政区边界进行组织,每个省份的影像被裁剪成6000×6000像素的瓦片,便于数据管理和使用。

GlobeLand30数据集包含十个主要的地表覆盖类型，分别是耕地、森林、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。该数据集的空间分辨率为30米，意味着每个像素代表地面约30米×30米的区域，适用于中大尺度地表覆盖分析。数据采用WGS-84坐标系，南纬85°-北纬85°之间的区域采用UTM投影，6度分带，坐标单位为米，坐标不加带号；南北纬85°-90°之间的区域采用极地方位投

数字高程模型（DEM）是通过航空航天遥感测量、机载激光雷达测量等测绘技术获取的、以规则格网点的高程值表达地面起伏的数据集。它是实景三维中国的核心内容，已成为经济社会发展不可或缺的基础信息。SRTM数据：由NASA及国家地理空间情报局NGA采用2000年2月发射的“奋进号”航天飞机，通过雷达干涉测量技术获得。覆盖全球80%陆地面积，公开版格网大小约90m，高程精度优于16m。ASTER-GDEM数据

智能积水检测与分割系统是一款基于深度学习的计算机视觉解决方案，可自动识别和分割道路积水区域。系统采用大语言视觉模型(LLM-Vision)结合SAM/MobileSAM分割模型，具备高精度检测、边界框标注和像素级分割功能。支持多模型切换、Web可视化操作和智能处理建议生成，适用于雨季交通管理和应急响应。系统采用模块化设计，包含前端界面、后端API和核心算法层，支持Windows/Linux平台，通

ChinaMet数据集具有高分辨率、长时间序列的优点。该数据集包括0.1°（约为1万米）和0.01°（约为1000米）两种空间分辨率，数据集格式为nc格式。数据集包括逐日、逐月、逐年三个层次。数据集年份为1980-2022年。该数据集缺少我国台湾地区的数据。该数据集是通过融合多源遥感数据、再分析资料以及超过2000个气象站的观测数据研制而成。数据源方面，气象站点观测数据来自于国家气象数据中心（CM

简单来说，数据标注格式，就是给原始数据（图像、文本、音频等）添加“标签”时，遵循的统一规则和存储形式。比如给一张包含猫咪的图片标注“猫”，我们不仅要标注“这是猫”，还要明确“猫在图片的哪个位置”“标签用什么格式记录”“相关信息如何存储”——这些约定俗成的规范，就是数据标注格式。举个生活化的例子：就像老师批改作业，给学生的答案打“√”或“×”时，会统一用红色笔、写在题号旁，这就是“批改格式”；如果有

简单来说，数据标注格式，就是给原始数据（图像、文本、音频等）添加“标签”时，遵循的统一规则和存储形式。比如给一张包含猫咪的图片标注“猫”，我们不仅要标注“这是猫”，还要明确“猫在图片的哪个位置”“标签用什么格式记录”“相关信息如何存储”——这些约定俗成的规范，就是数据标注格式。举个生活化的例子：就像老师批改作业，给学生的答案打“√”或“×”时，会统一用红色笔、写在题号旁，这就是“批改格式”；如果有

【代码】迁移学习微调ResNet50。