SOLC

SOLC

基于深度学习的SAR和光学遥感影像土地利用分类框架

SOLC是一个开源的遥感图像语义分割框架,专注于SAR和光学影像的土地利用分类。该项目基于PyTorch实现了多种深度学习模型,包括DeepLabv3+、UNet和SegNet等。其中SOLC V7模型采用了双流DeepLabv3+架构,并融合SAGate和ERFB模块,在WHU-OPT-SAR数据集上实现了最佳性能。项目提供了完整的源代码、预训练权重和使用说明,为遥感图像分析研究提供了实用工具。

遥感图像分类深度学习SARPyTorchGithub开源项目

SOLC (我们已经发布了完整代码!)

遥感SAR-光学土地利用分类 PyTorch实现

如果该仓库对您有用的话,欢迎star和fork,并提出您的疑问。尽量在issues中提问,有时间一定回复。

数据集来源

参考 https://github.com/AmberHen/WHU-OPT-SAR-dataset

数据集:SAR和光学影像

https://pan.baidu.com/s/1sIGsD3lBEogSCqzbDaclA 密码:i51o

论文链接: MCANet: 用于土地利用分类的光学和SAR影像联合语义分割框架

https://www.sciencedirect.com/science/article/pii/S0303243421003457

2022-06-01 更新

  • 发布裁剪代码 (sar, opt, lbl)
  • 发布标签转换代码
  • 发布数据集分割代码 (6:2:2) -> (17640:5880:5880)
  • 上传至服务器 (四张GPU)
  • 项目结构应如下所示:
SOLC ├── dataset | |whu-opt-sar-dataset-256 // 根目录 │ ├── ├── train │ ├── │ ├── sar │ ├── │ │ ├── NH49E001013_1.tif │ ├── │ ├── opt │ ├── │ │ ├── NH49E001013_1.tif │ ├── │ ├── lbl │ ├── │ │ ├── NH49E001013_1.tif │ ├── ├── val │ ├── │ ├── sar │ ├── │ │ ├── NH49E001013_2.tif │ ├── │ ├── opt │ ├── │ │ ├── NH49E001013_2.tif │ ├── │ ├── lbl │ ├── │ │ ├── NH49E001013_2.tif │ ├── ├── test │ ├── │ ├── sar │ ├── │ │ ├── NH49E001013_3.tif │ ├── │ ├── opt │ ├── │ │ ├── NH49E001013_3.tif │ ├── │ ├── lbl │ ├── │ │ ├── NH49E001013_3.tif ├── libs // 工具 ├── models // 模型 ├── tools // 预处理 ├── dataset.py ├── class_names.py ├── palette.py ├── sync_transforms.py ├── train.py ├── _test.py / predict.py

2022-06-02 更新

  • 发布Deeplabv3+代码 (sar + opt, 5通道输入)
  • 发布学习策略代码 (步长, gamma)
  • 发布训练Torch-Parser代码
  • 发布VGG19代码 (基于官方实现) 权重

2022-06-03 更新

  • 发布MCANet代码 (非官方实现, 基于deeplabv3+)
  • 发布FCNs代码 (FCN8s, 16s 和 32s)
  • 发布Resnet-50 权重 , Resnet-101 权重, 和 Restnet-152 权重 代码
  • 发布Unet代码
  • 发布Segnet代码
  • 发布PSPnet代码
  • 发布SOLC代码 (我们的方法)

2022-06-04 更新 SOLC (我们的方法)

  • 发布SOLC V1代码 (基于RGB-D和双重resnet 50)
  • 发布SOLC V2代码 (基于双流deeplabv3+)
  • 发布Deeplabv3+性能 (训练7小时)
  • 发布训练代码
  • 发布预测/测试代码

2022-06-05 更新 SOLC (我们的方法)

  • 发布SOLC V1代码性能
  • 发布SOLC V2代码性能
  • 发布SOLC V3代码 (基于双流deeplabv3+和SAGate)
  • 发布SOLC V4代码 (基于双流到单流deeplabv3+)
  • 发布SOLC V5代码 (基于双流到单流deeplabv3+, SAGate和RFB)
  • 发布SOLC V6代码 (基于双流到单流deeplabv3+和两个增强模块)

2022-06-06 更新 SOLC (我们的方法)

  • 发布SOLC V7代码 (基于双流deeplabv3+, SAGate和ERFB) (成功版本, 恭喜!)
  • 重新训练Unet, Segnet和MCANet
  • 重新测试性能
  • 发布我们的SOLC V7权重 solcv7: 百度网盘 密码:solc
  • 发布其他模型权重 others: 百度网盘 密码:solc

2022-06-07 更新

  • 发布像素统计
[0, '背景', 11824154.0, 1.0](忽略) [1, '农田', 708762053.0, 0.016682825992096393] [2, '城市', 96237141.0, 0.12286476797975535] [3, '村庄', 119738993.0, 0.09874940237721894] [4, '水体', 292127191.0, 0.04047604729817842] [5, '森林', 774385740.0, 0.015269075073618998] [6, '道路', 19661970.0, 0.6013717852280317] [7, '其他', 35164414.0, 0.3362534066400197] 标准中的权重:[1.0, 0.016682825992096393, 0.12286476797975535, 0.09874940237721894, 0.04047604729817842, 0.015269075073618998, 0.6013717852280317, 0.3362534066400197]

2022-06-08 新闻

  • 发布更多结果
  • 发布绘图代码

SOLC V7 框架

图片

其他策略

  • 设置合适的空洞卷积膨胀率atrous_rates
  • 余弦退火重启动学习率策略warm up
  • 使用更多的数据增强
  • 使用更强的损失函数(focal loss)或者为类别赋予权重(见tools/class_weight.py)来解决类别不平衡问题

性能

策略模型总体性能
轮数=40, 批次大小=16, <br />随机翻转, 学习率=1e-3, 权重衰减=1e-4deeplabv3+(未预训练)总体准确率=0.8096,平均交并比=0.4118,kappa系数=0.7261
轮数=40, 批次大小=16, <br />随机翻转, 学习率=1e-3, 权重衰减=1e-4unet(未预训练)总体准确率=0.7846,平均交并比=0.3847,kappa系数=0.6826
轮数=40, 批次大小=16, <br />随机翻转, 学习率=1e-3, 权重衰减=1e-4segnet(未预训练)总体准确率=0.7370,平均交并比=0.3139,kappa系数=0.6148
轮数=40, 批次大小=16, <br />随机翻转, 学习率=1e-3, 权重衰减=1e-4mcanet(未预训练)总体准确率=0.8179,平均交并比=0.4296,kappa系数=0.7352
轮数=40, 批次大小=16, <br />随机翻转, 学习率=1e-3, 权重衰减=1e-4solcv7(未预训练)总体准确率=0.8222,平均交并比=0.4382,kappa系数=0.7428
模型耕地城市
:--------::------::--:
deeplabv3+0.7951/0.63140.9414/0.6578
unet0.7970/0.60810.5671/0.5174
segnet0.7248/0.61220.0083/0.0083
mcanet0.8320/0.64990.8394/0.6575
dcn(我们的)0.8392/0.65050.9051/0.6880
模型OAmIOUkappa
deeplabv30.80960.41180.7261
unet0.78460.38470.6826
segnet0.73700.31390.6148
mcanet0.81790.42960.7352
dcn(我们的)0.82220.43820.7428
左侧为各类别的平均精度OA,右侧为各类别的平均mIou
注意:0->背景,10->耕地,20->城市,30->村庄,40->水体,50->森林,60->道路,70->其他

安装

  1. 克隆此仓库。
$ git clone https://github.com/yisun98/SOLC.git $ cd SOLC
  1. 安装环境
$ pip install -r requirements.txt $ source activate
  1. 数据集
$ python tools/crop_sar.py $ python tools/crop_opt.py $ python tools/convert_lbl.py $ python tools/crop_lbl.py $ python tools/split_data.py
  1. 训练
nohup python train.py >> train_<模型名称>.out 2>&1 &

详情请参见train.py。

tensorboard --logdir=<你的日志目录> --bind_all
  1. 测试/预测
nohup python train.py --model solcv7 --num_classes 8 >> train_<模型名称>.out 2>&1 &

详情请参见train.py。

python predict.py --model solcv7 --model-path <模型路径>

结果

更多结果请看这里 密码:solc。

classification_25_21

图片

classification_82_10

图片

classification_94_2

图片

classification_137_15

图片

参考文献

引用 (同等贡献度,排名不分先后)

如有任何问题,欢迎联系我们!

贡献者1:yisun98 - 1957240687@qq.com 贡献者2:yiruzzz - 992371522@qq.com 贡献者3:Bismarckwzc - 1558908027@qq.com 贡献者4:917596622 - 917596622@qq.com

如果本项目对您有帮助,请考虑引用我们。

@misc{SOLC2022,
  author = {Y. Sun, Y. Zhao, Z. Wang, Y. Fan},
  title = {SOLC},
  year = {2022},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/yisun98/SOLC}},
}

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多