Faster-RCNN實現遙感影象滑坡識別
阿新 • • 發佈:2020-12-20
目錄
Faster-RCNN實現遙感影象滑坡識別
程式碼連結:github程式碼
本程式碼參考github連結
操作指南
對資料進行測試
環境python+cuda+cuDNN+pytorch(還有其他一些雜七雜八的,報錯提示有別的庫沒下就自己下一下)
在frcnn.py檔案中,有如下程式碼:
class FRCNN(object):
_defaults = {
"model_path" : 'logs/Epoch49-Total_Loss0.2045-Val_Loss0.4614.pth',
"classes_path" : 'model_data/slide_class.txt',
"confidence" : 0.5,
"iou" : 0.3,
"backbone" : "resnet50",
"cuda" : True,
}
.....
model_path表示你選擇的權重檔案的路徑(預設已經放了一個)
執行predict.py,輸入檔案路徑即可進行測試
資料集進行訓練
resnet預訓練權重百度網盤地址:提取碼vs9n
預訓練權重檔案放到model_data資料夾下
landslide_train.txt檔案每一行記錄了圖片的相對路徑,以及標識框的座標,類別(本例中只有一個類就是滑坡,數值位0)
執行train.py進行訓練
訓練過程中每一次迭代生成的權重檔案會自動儲存到logs資料夾下,這些權重檔案就是訓練出來的模型。理論上迭代次數最多的模型效能越好
資料集
資料集百度網盤地址:提取碼mnd6
resnet預訓練權重百度網盤地址: 提取碼vs9n
把下載好的資料集中的所有圖片複製到專案LandSlide_Detection_Faster-RCNN\LandSlideDataSet\images資料夾下
預訓練權重檔案放到model_data資料夾下
自己製作資料集
詳細教程可以參考bilibili視訊連結
voc2frcnn用於在LandSlideDataSet/ImageSets檔案下生成train.txt檔案
voc_annotation用於在專案資料夾下生成landslide_train.txt