基于Deeplab-v3对遥感图像的语义分割

QQ:1363090802

数据集：

CCF卫星影像的AI分类与识别提供的数据集初赛复赛训练集，一共五张卫星遥感影像

• 百度云盘：点击这里
• 密码：3ih2
• 预训练模型：点击这里下载

dataset
├── origin //5张遥感图片，有标签
├── test   //3张遥感图片，无标签，在这个任务中没有用到
└── train  //为空，通过`python preprocess.py`随机采样生成
    ├── images       
    └── labels

其中我们使用前四张用来做训练，最后一张用来做测试

dependency

cuda==8.0
cudnn==6
python==3.5
pip install opencv-python==3.4.2.17
pip install tensorflow-gpu==1.13.1
pip install sklearn pip install pandas

主要策略：

• 将原始的遥感图像裁成大小为(256x256)的图片块，裁剪的方法为随机采样，并进行数据扩增
• 搭建Deeplab-v3模型，使用预训练的 resnet-v2-50 迁移学习
• 完整的训练测试程序，使用 tensorboard 监控模型训练
• 多尺度拼接预测，提升模型
• 后处理优化，比如消除预测图片拼接痕迹
• 使用更好的骨干网络，如 Xception

最终结果：

评价方法为 mean-IoU，在数据集极少的情况下，测试集评价结果得到了 77.3 的分数

方法	mean-IoU	accuracy
baseline(deeplabv3)	71.2	-
resnet-v2-50 pretrain	77.1	-
旋转四次预测取平均	77.6	85.5

如何训练

将百度云中的数据集文件夹dataset下载并存放到项目主目录下
python proprecess.py 时间稍长，需要等待
python train.py 时间稍长，可以更改args.test_display 多久查看一次测试结果

如何可视化训练过程

cd 到主目录下
tensorboard --logdir=./

测试结果：

模型预测step = 10000	模型预测step = 50000
测试图片缩略图	测试图片标签上色图

tensorboard