Unet-of-remote-sensing-image:遥感图像的语义分割-源码

上传者: 42166623 | 上传时间: 2021-08-27 14:29:14 | 文件大小: 621KB | 文件类型: ZIP
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

文件下载

资源详情

[{"title":"( 13 个子文件 621KB ) Unet-of-remote-sensing-image:遥感图像的语义分割-源码","children":[{"title":"Unet-of-remote-sensing-image-master","children":[{"title":"read_MITSceneParsingData.py <span style='color:#111;'> 2.06KB </span>","children":null,"spread":false},{"title":"precess.py <span style='color:#111;'> 7.46KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.84KB </span>","children":null,"spread":false},{"title":"result","children":[{"title":"input_image.png <span style='color:#111;'> 327.76KB </span>","children":null,"spread":false},{"title":"val_acc.png <span style='color:#111;'> 44.50KB </span>","children":null,"spread":false},{"title":"loss_train.png <span style='color:#111;'> 45.51KB </span>","children":null,"spread":false},{"title":"groundTruth.png <span style='color:#111;'> 40.98KB </span>","children":null,"spread":false},{"title":"train_acc.png <span style='color:#111;'> 46.20KB </span>","children":null,"spread":false},{"title":"prediction.png <span style='color:#111;'> 68.84KB </span>","children":null,"spread":false},{"title":"loss_val.png <span style='color:#111;'> 43.65KB </span>","children":null,"spread":false}],"spread":true},{"title":"unet.py <span style='color:#111;'> 12.08KB </span>","children":null,"spread":false},{"title":"TensorflowUtils.py <span style='color:#111;'> 8.28KB </span>","children":null,"spread":false},{"title":"BatchDatsetReader.py <span style='color:#111;'> 3.43KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明