随笔分类 - 遥感影像语义分割
Python|在图像上叠加绘制分割结果的方法
摘要:简介 在进行图像分割之后,我们常常需要将分割的结果叠加绘制到原图上,并以不同的颜色显示,以便进行展示. 已有的方案 scikit-image,OpenCV,GluonCV, detectron2 中都提供有类似功能的函数.不过还是存在一定的缺点: scikit-image 中的 skimage.co
代码复现:Copy-Paste 数据增强for语义分割
摘要:一、前言 之前分享了一篇谷歌的数据增强论文,解读在这:https://www.cnblogs.com/tangjielin/p/16812816.html。 可能由于方法比较简单,官方没有开源代码,于是,我自己尝试在语义分割数据集上进行了实现。 先看下实现的效果: 原图: 使用复制-粘贴方法增强后:
复制-粘贴大法(Copy-Paste):简单而有效的数据增强
摘要:论文标题:Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation 论文地址:https://arxiv.org/pdf/2012.07177.pdf 1、摘要 建立有效的实例分割模型,并能处理罕
Python|使用Python实现png格式文件转tif格式文件
摘要:一、TIF/TIFF介绍 标签图像文件格式(Tag Image File Format,简写为TIFF)是一种灵活的位图格式,主要用来存储包括照片和艺术图在内的图像,是一种常见的遥感影像存储格式。 二、代码实现 要实现PNG文件转TIF文件,有一个问题需要注意,TIF文件中是存有坐标系等地理信息的·
Python|深度学习可视化工具wandb的使用
摘要:基础知识 1 安装库 pip install wandb 2 创建账户 wandb login 3 初始化 # Inside my model training code import wandb wandb.init(project="my-project") 4 声明超参数 wandb.conf
Python|遥感影像语义分割:常用精度指标及其Python实现
摘要:深度学习中的常用精度指标: 基本概念 在介绍精度指标前我们先来明确以下几个概念,对应的示意图如下图所示: TP(True Positive):分类准确的正类,意思是预测结果为正类,实际上是正类。 FP(False Positive):被错分类为正类的负类,意思是实际为负类,但是却被预测为正类。 TN
Python|遥感影像语义分割:使用训练好的权重文件进行大范围预测
摘要:前言 在模型预测过程中,如果将较大的待分类遥感影像直接输入到网络模型中会造成内存溢出,故一般将待分类图像裁剪为一系列较小图像分别输入网络进行预测,然后将预测结果按照裁剪顺序拼接成一张最终结果图像。 原理 如果采用常规的规则格网裁剪然后预测拼接的话效果不好。因为每张图像块的边缘区域的上下文信息较少,所
Python|遥感影像语义分割:数据集清洗
摘要:前言 在将遥感图像进行分割后,我们得到了label集与image集,但此时数据集的图片数目太多,因为我仅需要实现梯田的提取,所以存在大量的无用的数据,因此在label集中根据包含目标地物的比例对label集进行数据清洗,再根据label集删除image集中没有标签的数据。 代码实现 (1)删除lab
深度学习中的Epoch, Batch, Iteration
摘要:深度学习中的一些基本概念 Epoch(时期) 当一个完整的数据集通过了神经网络一次并且返回了一次,这个过程称为一次epoch。(也就是说,所有训练样本在神经网络中都 进行了一次正向传播 和一次反向传播 )再通俗一点,一个Epoch就是将所有训练样本训练一次的过程。 然而,当一个Epoch的样本(也就