Satellite-Segmentation-master
所属分类:其他
开发工具:Python
文件大小:604KB
下载次数:20
上传日期:2019-05-24 19:52:22
上 传 者:
月夜雨馨
说明: 利用卷积神经网络对遥感图像进行分类,能够有效提高分类效率
(Classification of Remote Sensing Images by Convolutional Neural Network)
文件列表:
1.png (26710, 2018-04-03)
2.png (453242, 2018-04-03)
3.png (73014, 2018-04-03)
4.png (42182, 2018-04-03)
deprecated (0, 2018-04-03)
deprecated\all_net.py (15837, 2018-04-03)
deprecated\correct_labels.cpp (601, 2018-04-03)
deprecated\predict.py (2682, 2018-04-03)
deprecated\segnet.py (20132, 2018-04-03)
deprecated\unet.py (11836, 2018-04-03)
draw_lables.cpp (1074, 2018-04-03)
ensemble (0, 2018-04-03)
ensemble\vote.py (921, 2018-04-03)
segnet (0, 2018-04-03)
segnet\gen_dataset.py (3111, 2018-04-03)
segnet\segnet_predict.py (2545, 2018-04-03)
segnet\segnet_train.py (10273, 2018-04-03)
unet (0, 2018-04-03)
unet\combind.py (2439, 2018-04-03)
unet\gen_dataset.py (3128, 2018-04-03)
unet\unet_predict.py (2432, 2018-04-03)
unet\unet_train.py (7469, 2018-04-03)
# Satellite-Segmentation
This is a satellite remote sensing segmentation project wirtten by Keras based on SegNet and U-Net.
## main ideas
1. segmented by SegNet
2. segmented by U-Net
3. model emsamble: SegNet + U-Net
## other ideas
1. GAN pix2pix: generate some fake satellite images to enlarge the dataset
2. DeepLab
3. Mask RCNN
4. FCN
5. RefineNet
6. post-processing: CRF
## 4月2日更新
我上传了我预处理后的数据集,一份是专门给segnet训练,一份是给unet训练的(只上传了buildings的数据集),所以如果不想自己处理原始数据的话,可以下载我的预处理后的数据跑跑效果看看。建议先跑SegNet效果再跑Unet效果。
预处理后的数据集:
```
链接:https://pan.baidu.com/s/1FwHkvp2esvhyOx1eSZfkog 密码:fqnw
```
下载之后可以看到里面有三个文件夹,分别是用于测试的图片,用于unet训练的图片(里面是src和label文件夹),用于segnet的图片(里面是src和label文件夹)。对于segnet训练集我已经切割好了,但是unet的还没切割,所以需要执行该文件生成unet训练集:
```
python ./unet/gen_dataset.py
```
在执行之前需要先在该文件里面图片读取路径修改为我上传的unet训练集路径,输出路径也要修改一下。
### 怎么跑SegNet?
可以先在segnet_train.py里修改filepath ,改成segnet训练集的路径,然后
训练:
```
python segnet_train.py --model segnet.h5
```
--model后面接的是训练之后得到的模型名字
预测:待预测的图片的路径在segnet_predict.py里面修改
```
python segnet_predict.py
```
### 怎么跑Unet?
训练:
```
python unet_train.py --model unet_buildings20.h5 --data ./unet_train/buildings/
```
--model后面接的是训练之后得到的模型名字,--data后面接的是unet的训练集路径
预测:unet_predict.py里面改预测图片的所在路径
```
python unet_predict.py
```
### 怎么做label可视化?
1. 有朋友反映原始数据集里的训练集有些图片全黑,这是因为这些图片是十六位的!比赛方就是这么折腾人,所以一般图片浏览器无法显示这些16位图,解决方法:
深度16位的图片转8位:matlab下:im2 = uint8(im1);
2. label怎么都是黑色的啊?因为每类的标签的值都是1到5啊,像素1~5当然是黑色啊!想看看标签长什么样的解决方法:参考介个文件:
```
https://github.com/AstarLight/Satellite-Segmentation/blob/master/draw_lables.cpp
```
这里我用cpp做了可视化,当然用Python写也是不难的。可视化之后,你也会发现赛会方在又给我们设置第二坑了~
original dataset download:
链接:https://pan.baidu.com/s/1i6oMukH
密码:yqj2
Please visit my blog for more details: http://www.cnblogs.com/skyfsm/p/8330882.html
近期下载者:
相关文件:
收藏者: