无人机图像语义分割--天池2019年县域农业大脑AI挑战赛冠军(冲鸭！大黄)解决方案(xception部分代码) 相关详细介绍请参考博客 最终排行榜
- albumentations==0.3.0
- Keras==2.2.4
- Keras-Applications==1.0.8
- Keras-Preprocessing==1.0.5
- keras-rectified-adam==0.9.0
- numpy==1.15.4
- opencv-python==3.4.1.15
- opencv-python-headless==4.1.0.25
- pandas==0.24.2
- pandocfilters==1.4.2
- Pillow==6.1.0
- pretrainedmodels==0.7.4
- scikit-image==0.14.1
- scipy==1.1.0
- tqdm==4.28.1
- tensorflow-gpu==1.12.0
或者直接运行
pip install -r requirement.txt
python3 -W ignore rawdata_crop.py
--image-num 3
--unit 1024
--output-dir [输出路径]
--image_path [训练数据路径]
--label_path [训练标签路径]
可以参考如下博客：
具体训练参数如下：
cd $basedir/xception_deeplabv3+_train/deeplabv3+
export PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim
model_name='xception_1'
epoch=5
warn_start_step=1
batch_size=2
base_learning_rate=0.0001
data_set='remote_sensing_data_1024_a81'
data_set_dir="$basedir/xception_deeplabv3+_train/data/tfrecord_1024_a81"
model_variant='xception_65'
num_sample=7175
step=$(($epoch * $num_sample / $batch_size))
warn_start_step=$(($warn_start_step * $num_sample / $batch_size))
echo -e "\033[31m data_set=$data_set \033[0m"
echo -e "\033[31m model_name=$model_name \033[0m"
echo -e "\033[31m step=$step \033[0m"
echo -e "\033[31m warn_start_step=$warn_start_step \033[0m"
echo -e "\033[31m base_learning_rate=$base_learning_rate \033[0m"
export CUDA_VISIBLE_DEVICES=0,1
# train xnception65
python3 -W ignore ./deeplab/train.py \
--logtostderr \
--save_summaries_images=True \
--dataset=$data_set \
--train_split="trainval"\
--model_variant=$model_variant \
--decoder_output_stride=4 \
--train_crop_size=1025,1025 \
--num_clones=2 \
--train_batch_size=$batch_size \
--training_number_of_steps=$step \
--initialize_last_layer=False \
--last_layers_contain_logits_only=True \
--fine_tune_batch_norm=False \
--tf_initial_checkpoint="$basedir/xception_deeplabv3+_train/deeplabv3+/pretrain_model/deeplabv3_pascal_trainval_2018_01_04/deeplabv3_pascal_trainval/model.ckpt" \
--train_logdir="$basedir/xception_deeplabv3+_train/deeplabv3+/log/$model_name" \
--dataset_dir=$data_set_dir \
--min_scale_factor=1.0 \
--max_scale_factor=1.0 \
--scale_factor_step_size=0.25 \
--base_learning_rate=$base_learning_rate \
--learning_policy='poly' \
--slow_start_step=$warn_start_step \
--slow_start_learning_rate=0.000005 \
--last_layer_gradient_multiplier=10.0 \
--atrous_rates=6 \
--atrous_rates=12 \
--atrous_rates=18 \
--output_stride=16 \
--save_interval_secs=$(($num_sample / $batch_size)) \
--weight_decay=0.00004 \
--save_summaries_secs=30 \
--learning_power=2.0 \
--log_steps=500
# export model
cd $basedir/xception_deeplabv3+_train/deeplabv3+
python3 ./deeplab/export_model.py \
--logtostderr \
--checkpoint_path="$basedir/xception_deeplabv3+_train/deeplabv3+/log/$model_name/model.ckpt-$step" \
--export_path="/competition/xception_deeplabv3+/model/xception_1/frozen_inference_graph.pb" \
--model_variant="xception_65" \
--atrous_rates=6 \
--atrous_rates=12 \
--atrous_rates=18 \
--output_stride=16 \
--decoder_output_stride=4 \
--num_classes=5 \
--crop_size=2049 \
--crop_size=2049 \
--add_flipped_images=True \
--inference_scales=1.0
python3 creat_test_unit.py
--image_num=5
--data_path=[测试数据路径]
--output_path=[结果输出路径]
--unit=2048
--pad=512
--step=1024
python3 creat_vis_and_mask.py
--image_num=5
--data_path=[测试数据路径]
--output_path=[结果输出路径] \
python3 test_model.py
--data_dir=[测试数据路径]
--output_dir=[输出路径]
--model_path=[pb模型路径]
--vis_and_mask_dir=[可视化和mask所在路径] --image_num=5
--area_threshold=0
--padding_size=512
--image_H=20115
--image_W=43073 \
python3 post_process.py
--model_name=[模型的名称]
--step=[训练的步数]
--area_threshold=[后处理的去除连通域的大小] \
model_name和step组成输入数据的文件夹路径
python3 vote.py
--one_dir=[第一个模型结果路径]
--two_dir=[第二个模型结果路径]
--three_dir=[第三个模型结果路径]
--output_dir=[融合结果输出路径]
--vis_dir=[可视化和mask所在路径]
--area_threshold=[后处理的去除连通域的大小]
该项目网络基于tensorflow官方的deeplabv3+项目 感谢另外两位队友的大力支持
![dependabot[bot] avatar](https://avatars.githubusercontent.com/in/29110?v=4 "dependabot[bot]")
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent