buildingRecognition

Algorithm to identify buildings in an image using Neural Networks

Download deeplab e tensorflow:

Instale o tensorflow e depois faça o clone do reposiório deeplab:

https://github.com/tensorflow/models/tree/master/research/deeplab

Download dataset:

Dataset usado para o treinamento é o Inria, que pode ser obtido no link:

https://project.inria.fr/aerialimagelabeling/download/

Pré-processsamento das imagens

As imagens originais do dataset estão em um tamanho muito grande. Não temos memória o suficiente para processar a imagem de uma vez em nossa rede neural por isso temos que fazer recortes nas imagens.

Note que você pode alterar o valor da resolução para menos.

Execute o codigo: https://github.com/marcosfelipp/buildingRecognition/blob/master/resize_and_split_images.py

Convertendo o Dataset para formato do Tensorflow:

sudo python ./build_ade20k_data.py  \
  --train_image_folder="/home/ubuntu/images_austin/train/images" \
  --train_image_label_folder="/home/ubuntu/images_austin/train/label" \
  --val_image_folder="/home/ubuntu/images_austin/vallidation/images" \
  --val_image_label_folder="/home/ubuntu/images_austin/validation/label" \
  --output_dir="/home/ubuntu/images_austin/inria_dataset/tfrecord"

Algumas modificações no código do deeplab:

Acrescente o seguinte trecho no arquivo deeplab/datasets/segmentation_dataset.py Altere os campos train e val de acordo com a divisão do dataset

 _INRIA_INFORMATION = DatasetDescriptor(
    splits_to_sizes = {
        'train': 145, # num of samples in images/training
        'val': 35, # num of samples in images/validation
    },
    num_classes=1,
    ignore_label=255,
)

No mesmo código procure por _DATASETS_INFORMATION e acrescente a seguinte linha:

'inria': _INRIA_INFORMATION,

Fase de treinamento:

nohup python deeplab/train.py \
    --logtostderr \
    --training_number_of_steps=60000 \
    --train_split="train" \
    --model_variant="xception_65" \
    --atrous_rates=6 \
    --atrous_rates=12 \
    --atrous_rates=18 \
    --output_stride=16 \
    --decoder_output_stride=4 \
    --train_crop_size=625 \
    --train_crop_size=625 \
    --train_batch_size=32 \
    --min_resize_value=625 \
    --max_resize_value=625 \
    --fine_tune_batch_norm=True \
    --dataset="inria" \
    --initialize_last_layer=False \
    --last_layers_contain_logits_only=True \
    --tf_initial_checkpoint="/home/ubuntu/images_austin/results" \
    --train_logdir="/home/ubuntu/images_austin/results"\
    --dataset_dir="/home/ubuntu/images_austin/inria_dataset/tfrecord" &

Fase de avaliação:

nohup python deeplab/eval.py \
      --checkpoint_dir="/home/contatovidadeti/results4" \
      --eval_logdir="/home/contatovidadeti/results2/eval" \ 
      --dataset_dir="/home/contatovidadeti/inria_dataset/tfrecord" \
      --dataset="inria" --model_variant="xception_65" &

marcosfelipp / buildingRecognition