-
这个只是小白第一个练手项目,尝试复现的是同实验室师兄的论文
Change Detection Based on Deep Siamese Convolutional Network for Optical Aerial Images
。 -
损失函数方面还没有试到论文的效果,只是用了
pytorch
本身自带的BCELoss
。 -
如果有什么想法欢迎讨论,但是因为本身是小白,所以可能还会给看的人造成误解,真的很抱歉如果有的话。
一个简单的 Siamese 网络用于同源(直方图校正后)图像的变化检测
-
Folder
-
models
: 保存的训练的模型 -
datasets
: 数据集 -
tensorboard
: 用于 tensorboard 可视化
-
-
python 脚本
-
algorithms.py
: 一些简单的算法 -
configs.py
: 配置文件,包含训练所需的一些超参数 -
data_loader.py
: 自定义的数据集(继承torch.utils.data.Dataset
) -
models.py
: 定义的网络结构 -
train.py
: 用来训练网络的脚本 -
utils.py
: 工具箱,包含一些工具脚本
-
-
csv 文件
-
data.csv
: 所有的处理后的数据的目录('img1','img2','GT') -
train.csv
: 训练的数据的位置 -
test.csv
: 测试的数据的位置
-
-
其他
-
log.log
: 日志文件 -
.gitignore
: git 文件,忽略某些文件
-