Unet-of-remote-sensing-image
针对高分辨率遥感卫星进行地物识别,主要有15类的地物类型,包括各种农作物,工业用地,河流,水源,建筑物等。利用Unet结构进行语义分割,得到各个地物类型的场景分割图像,Unet结构和官方论文不太一样,自己根据理解进行了一些微调,改变了输出通道的数量,和上采样层后通道数量,每个巻积层后面加了batchNromalize层,正确率有一定的提高,最后finetune的15类分割准确率达到82%。
数据集:主要采用的landsat多通道图像,根据美国官方网站提供的地物标签制作卫星图像的groundTruth,得到23000多张训练图像,每张224×224
美国卫星数据官网:
代码:基于Unet的网络结构,参考keras代码修改为tensorflow版本,其中process.py是制作训练数据用的,将一张7000×8000的大卫星图片根据经纬
2021-08-27 14:29:14
621KB
Python
1