Skip to content

Latest commit

 

History

History
197 lines (167 loc) · 7.49 KB

README_zh-CN.md

File metadata and controls

197 lines (167 loc) · 7.49 KB

遥感图像语义分割

阅读其他语言的版本：English | 简体中文

目录

项目结构

rsi-semantic-segmentation
  |---- configs
  |       |---- __init__.py
  |       |---- gf2-building_deeplabv3-resnet50_ce_adam_plateau_8_0.001_40.yaml
  |       |---- massachusetts-building_deeplabv3-resnet50_dice_adam_plateau_8_0.001_40.yaml
  |
  |---- criterions
  |       |---- __init__.py
  |       |---- bce.py
  |       |---- ce.py
  |       |---- dice.py
  |
  |---- datas
  |       |---- __init__.py
  |       |---- base.py
  |       |---- gf2_building.py
  |       |---- massachusetts_building.py
  |       |---- transform.py
  |
  |---- models
  |       |---- decoders
  |       |       |---- __init__.py
  |       |       |---- deeplabv3.py
  |       |
  |       |---- encoders
  |       |       |---- __init__.py
  |       |       |---- resnet.py
  |       |
  |       |---- modules
  |       |       |---- __init__.py
  |       |       |---- aspp.py
  |       |
  |       |---- utils
  |       |       |---- init.py
  |       |
  |       |---- __init__.py
  |       |---- deeplabv3.py
  |
  |---- optimizers
  |       |---- __init__.py
  |
  |---- schedulers
  |       |---- __init__.py
  |
  |---- tools
  |       |---- datasets
  |               |---- massachusetts_building
  |                       |---- patch.py
  |
  |---- .gitignore
  |---- inference.py
  |---- LICENSE
  |---- metric.py
  |---- README.md
  |---- README_zh-CN.md
  |---- requirements.txt
  |---- test.py
  |---- train.py

环境要求

  • NumPy 用于 CPU 上的多维数据表示
  • Pandas 用于解析 .csv 文件
  • scikit-image 用于读、写、显示图像
  • tensorboardX 用于输出 TensorBoard 日志
  • timm 用于提供 PyTorch 上的计算机视觉骨干网络支持
  • PyTorch 用于神经网络表示与计算
  • TorchVision 用于提供计算机视觉基础组件支持
  • tqdm 用于绘制进度条
  • yacs 用于解析 .yaml 配置文件

所有这些 PyThon 第三方包都可以简单地使用 pip 进行安装：

$ pip install numpy pandas scikit-image tensorboardX timm torch torchvision tqdm yacs

配置

dataset method criterion optimizer scheduler batch size LR epochs config
gf2-building deeplabv3-resnet50 ce adam plateau 8 0.001 10 config
massachusetts-building deeplabv3-resnet50 dice adam plateau 8 0.001 40 config

配置文件名格式

{dataset}_{method}_{criterion}_{optimizer}_{scheduler}_{batch size}_{lr}_{epochs}.yaml
  • {dataset}: 数据集名称，如 massachusetts-building，massachusetts-road
  • {method}: 方法名称，如 deeplabv3+resnet50，deeplabv3+resnet101
  • {criterion}: 损失函数名称，如 ce，bce
  • {optimizer}: 优化器名称，如 sgd，adam
  • {scheduler}: 学习率调整器，如 poly，plateau
  • {batch size}: 训练过程中的批次大小，如 4，8
  • {lr}: 用于训练的基础学习率，如 0.01，0.001
  • {epochs}: 训练轮数，如 20，40

支持的数据集

支持的模型

用法

训练

$ python train.py configs/massachusetts-building_deeplabv3-resnet50_dice_adam_plateau_8_0.001_40.yaml \
                  --checkpoint ./best.pth \
                  --path ./runs/20211206-201700/ \
                  --no-validate \
                  --nodes 1 \
                  --gpus 1 \
                  --rank-node 0 \
                  --backend nccl \
                  --master-ip localhost \
                  --master-port 8888 \
                  --seed 42 \
                  --opt-level O0
  • config 指定所使用的配置文件，不可省略
  • --checkpoint 指定要加载的保存点，默认从零开始进行训练
  • --path 指定实验日志文件要存放到的路径，默认为一个以当前时间为名称的路径
  • --no-validate 指定在训练过程中是否不在验证集上进行验证，默认进行验证
  • -n / --nodes 指定节点数 / 机器数，在单机上训练时应该为 1，默认为 1
  • -g / --gpus 指定每个节点 / 机器上的 GPU 数，默认为 1
  • -r / --rank-node 指定当前节点 / 机器的序号，其值应该在 0 到 nodes-1 之间，默认为 0
  • --backend 指定 PyTorch 分布式训练所使用的后端，默认为 nccl
  • --master-ip 指定主节点 / 主机器的网络 IP 地址，默认为 localhost
  • --master-port 指定主节点 / 主机器的主进程的网络端口，默认为 8888
  • --seed 指定随机数种子，默认为 42
  • --opt-level 指定 nvidia/apex 的优化等级，默认为 O0

测试

$ python test.py configs/massachusetts-building_deeplabv3+resnet50_sigmoid+dice_adam_plateau_8_0.001_40.yaml \
                 ./best.pth \
                 --device cuda:0
  • config 指定所使用的配置文件，不可省略
  • checkpoint 指定要加载的保存点，不可省略
  • --device 指定测试时要使用的设备，可以是 CPU 或 GPU，默认为 0 卡

推理

$ python inference.py configs/massachusetts-building_deeplabv3+resnet50_sigmoid+dice_adam_plateau_8_0.001_40.yaml \
                      ./best.pth \
                      ./22828930_15.tif \
                      --output ./output.tif \
                      --device cuda:0 \
                      --no-show \
                      --no-save
  • config 指定所使用的配置文件，不可省略
  • checkpoint 指定要加载的保存点，不可省略
  • input 指定输入图像，不可省略
  • --output: 指定输出分割图的文件名，默认为 output.tif
  • --device 指定推理时要使用的设备，可以是 CPU 或 GPU，默认为 0 卡
  • --no-show 指定是否不显示分割图结果，默认显示
  • --no-save 指定是否不保存分割图结果，默认保存

许可证

该项目基于 MIT 许可证发行。