curtis18 / rs-segment.pytorch

遥感影像语义分割

特性：

• 使用开源模型库segmentation_models_pytorch或自定义模型
• 在大尺寸遥感影像上进行切片推理和融合拼接
• 处理大尺寸遥感影像栅格及矢量数据的常用工具（基于GDAL）
• 使用.yml文件编写配置文件
• 适用于入门学习，虽然可以用于生产，但计算效率方面并没有做特别的优化

环境：

• torch>1.6
• torchsummay
• segmentation_models_pytorch
  pip install git+https://github.com/qubvel/segmentation_models.pytorch (或者直接下载工程然后python setup.py install)
• albumentations
• gdal
• opencv
• matplotlib
• scipy
• scikit-learn
• scikit-image
• tqdm

试例-使用GID数据集进行训练：

1 - 访问 https://x-ytong.github.io/project/GID.html 下载数据并解压；
2 - 使用 tools/make_gid5_256.py 对数据进行样本切片；
3 - 处理后样本集为以下目录结构：

    ├── {dataset_root}
    │   ├── train
    │       ├── images
    │       ├── labels
    │   ├── val
    │       ├── images
    │       ├── labels

4 - 修改 sgfm_b3.gid5.yml 上的数据路径，开启训练:

    python train.py -c sgfm_b3.gid5

将会在configs目录中加载sgfm_b3.gid5.yml配置文件，并在runs目录内建立同名目录存放训练数据。

5 - 推理：

    python infer.py -c sgfm_b3.gid5 -input ../datasets/test_data -output ../output

注意事项：

图像读写用到opencv（训练时）和gdal，注意opencv读入是按BGR排序的；
开源模型库支持的模型请参考 https://github.com/qubvel/segmentation_models.pytorch/blob/master/README.md ，通过修改配置文件network_params可调用不同模型；部署到新环境需要联网下载预训练权重；