技術標籤：深度學習深度學習pytorch神經網路

目錄

• Faster-RCNN實現遙感影象滑坡識別
• 操作指南
• • 對資料進行測試
  • 資料集進行訓練
• 資料集
• • 自己製作資料集

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：

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