数据集

使用的数据集是kaggle的Semantic segmentation of aerial imagery
其数据的组织形式为

项目结构

utils

dataConvert.py

dataConvert中主要包含数据的变换过程

函数	作用
loadColorMap	用于加载标签的颜色映射
voc_colormap2label	获取颜色标签到数值标签的映射关系
voc_rand_crop	用于裁剪数据
voc_label_indices	将RGB标签转换成数值标签
one hot	将标签转换成one hot

dataLoader.py

dataLoader.py包含数据的加载过程

类/函数	作用
SemanticDataset	数据加载类，包含数据归一化，数据裁剪过程，用于加载数据
load_data_voc	调用SemanticDataset批量加载训练集和测试集

losses.py

定义损失函数，本项目中采用的是Focal loss和Dice loss相加作为损失函数

model.py

包含U-net模型和deeplabv3+两种模型，在训练和测试过程可以通过修改参数进行选择

prepare模块

这个模块在训练前执行，是整个项目的准备工作

函数

函数	作用
semantic2dataset	航拍数据集转换成语义分割的数据集
trainValSplit	分割训练集和测试集
getMeanStd	获取均值和方差
writeColorClasses	保存颜色和类别

参数

参数只有两个，就是颜色映射和类别，在本项目中这两个参数为

VOC_COLORMAP = [[226, 169, 41], [132, 41, 246], [110, 193, 228], [60, 16, 152], [254, 221, 58], [155, 155, 155]]
VOC_CLASSES = ['Water', 'Land (unpaved area)', 'Road', 'Building', 'Vegetation', 'Unlabeled']

train模块

函数

train
根据传入的参数进行训练

参数

参数	作用
batch_size	批量大小，在语义分割中可以设置小一些
crop_size	裁剪图像大小
model_choice	模型的选择，可选U-net、deeplabv3+
in_channels	输入图像通道数，RGB图像为3，灰度图为1
out_channels	输出标签类别，本项目中为6
num_epochs	训练总轮次
auto_save	自动保存权值的间隔轮次
lr	学习率
device	训练使用的环境，当cuda可用时自动设为cuda，否则自动设为cpu

predict模块

predict模块只是浅测一下模型的精度和效果，如果需要应用可以调用predict函数进行预测并与实际应用结合

函数

函数	作用
label2image	数值标签转换成RGB标签
predict	单张图片的预测
read_voc_images	读取图片
plotPredictAns	画出测试结果

参数

参数	作用
voc_dir	测试数据的路径
means	图像均值
stds	图像方差
device	训练使用的环境，当cuda可用时自动设为cuda，否则自动设为cpu
batch_size	批量大小
model_choice	模型的选择，可选U-net、deeplabv3+

下载地址

GitHub下载地址：Semantic-segmentation-for-aerial

详细讲解

语义分割项目（一）——数据概况及预处理

语义分割项目（二）——标签转换与数据加载

语义分割项目（三）——语义分割模型（U-net和deeplavb3+）

语义分割项目（四）——模型训练与预测

pytorch深度学习案例（二）——航拍街道语义分割相关推荐

Pytorch深度学习实战教程：UNet语义分割网络
1 前言本文属于Pytorch深度学习语义分割系列教程. 该系列文章的内容有: Pytorch的基本使用语义分割算法讲解本文的开发环境如下: 开发环境:Windows 开发语言:Python3. ...
深度学习实战23(进阶版)-语义分割实战，实现人物图像抠图的效果（计算机视觉）
大家好,我是微学AI,今天给大家带来深度学习实战23(进阶版)-语义分割实战,实现人物图像抠图的效果.语义分割是计算机视觉中的一项重要任务,其目标是将图像中的每个像素都分配一个语义类别标签.与传统的目 ...
AI深度学习入门与实战19 语义分割：打造简单高效的人像分割模型
上一讲,我向你介绍了语义分割的原理.在理解上一课时中 U-Net 语义分割网络的基础上,这一讲,让我们来实际构建一个人像分割模型吧. 语义分割的评估我们先简单回顾一下语义分割的目的:把一张图中的每一 ...
深度学习100问：图像语义分割有哪些经典的上采样方法？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达大家都知道目前主流的语义分割模型都是编码-解码框架的.通过编码器不 ...
了解图像分割的深度学习技术（2019年语义分割论文综述）
论文名称:Understanding Deep Learning Techniques for Image Segmentation 论文链接:https://arxiv.org/abs/1907.0 ...
Pytorch 深度学习实战教程（二）：UNet语义分割网络
本文 GitHub https://github.com/Jack-Cherish/PythonPark 已收录,有技术干货文章,整理的学习资料,一线大厂面试经验分享等,欢迎 Star 和完善. 一 ...
Pytorch深度学习实战教程（二）：UNet语义分割网络
1 前言本文属于Pytorch深度学习语义分割系列教程. 该系列文章的内容有: Pytorch的基本使用语义分割算法讲解如果不了解语义分割原理以及开发环境的搭建,请看该系列教程的上一篇文章< ...
基于PyTorch深度学习无人机遥感影像目标检测、地物分类及语义分割
随着无人机自动化能力的逐步升级,它被广泛的应用于多种领域,如航拍.农业.植保.灾难评估.救援.测绘.电力巡检等.但同时由于无人机飞行高度低.获取目标类型多.以及环境复杂等因素使得对无人机获取的数据处理 ...
【Pytorch深度学习实践】B站up刘二大人之BasicCNN Advanced CNN -代码理解与实现(9/9)
这是刘二大人系列课程笔记的最后一个笔记了,介绍的是 BasicCNN 和 AdvancedCNN ,我做图像,所以后面的RNN我可能暂时不会花时间去了解了: 写在前面: 本节把基础个高级CNN放在一 ...

pytorch深度学习案例（二）——航拍街道语义分割

数据集