# 1. 模型简介
UNet++架构本质上是一个深度监督的编码器-解码器网络,其中编码器和解码器子网通过一系列嵌套的、密集的跳跃路径连接,重新设计的跳过路径旨在缩小编码器和解码器子网特征映射之间的语义差距.
##1.1网络模型结构简介
整体结构就是先编码(下采样), 再解码(上采样),回归到跟原始图像一样大小的像素点的分类。
a) 下采样
i. 四个unit,两个3x3的conv加Relu为一个单位,然后进行2x2的maxpool,其中卷积不包括padding,每次尺寸会减少2,maxpool会将图片大小减半,通道数翻倍
ii. 意义:降低图像平移旋转等操作带来的扰动,降低图像过拟合的风险,多层下采样得到的大量特征通道,能够保留像素周围的上下文信息,能感知一块一块的像素信息,而不是一个pixel
b) 上采样
i. 四个上采样的unit,2x2的反卷积,通道数减半,尺寸加倍
ii. Copy and crop 将同一层的下采样的结果和反卷积得到的结果通道叠加,注意反卷积得到的图片尺寸小于原来的图,故需要对原图有个裁剪操作。可以将浅层的定位信息和高层的像素分类的判定信息结合
c) 1x1的卷积
i. 将64通道转换为2通道,背景+目标的组织图像
## 1.2 数据集
本次实验数据集为高分遥感影像:
来源:数据为1米分辨率的高分遥感影像,由广东南方数码科技股份有限公司采集、标注、构建;
规模:5万张遥感影像耕地样本数据。训练集为2万张遥感影像和标注文件(公开),验证集为3万张遥感影像(非公开)。
数据说明:原始影像格式为png,包含R、G、B三个波段,训练集影像尺寸为256 * 256像素,测试集影像尺寸为256 * 256像素;标签格式为单通道的png,0表示为非耕地,1表示为耕地。
在实验中,首先将数据集转换为Multi-Class格式,存放在unet/dataset目录下,通过prepare.py将OBS上的数据下载至本地并划分为Multi-Class格式。
Multi-Class数据集格式,通过固定的目录结构获取图片和对应标签数据。在同一个目录中保存原图片及对应标签,其中图片名为“image.png”,标签名为“mask.png”。目录结构如下:
```.
└─dataset
└─0001
├─image.png
└─mask.png
└─0002
├─image.png
└─mask.png
...
└─xxxx
├─image.png
└─mask.png
```
## 1.3 码交址代码提交地址
https://github.com/Tu-kun/cultivated_landdivision
## 1.4模型大小
本次提交的代码,支持在Asecnd环境下训练,模型大小为23M.
# 2. 代码目录结构说明
```
├── eval.py // 评估脚本
├── export.py // 模型导出
├── prepare_data.py // 适配Multiclass数据集
├── preprocess.py // 310推理预处理脚本
├── run.ipynb // 模型训练,验证过程记录
├── requirements.txt // 模型依赖
├── dataset // 训练数据所在目录
├── src
│ ├── data_loader.py // 数据处理
│ ├── eval_callback.py // 训练时推理回调
│ ├── __init__.py
│ ├── loss.py // loss函数
│ ├── model_utils
│ │ ├── config.py // 配置文件
│ │ ├── device_adapter.py // 设备适配
│ │ ├── __init__.py
│ │ ├── local_adapter.py
│ │ └── moxing_adapter.py // modelarts适配
│ ├── unet_nested
│ │ ├── __init__.py
│ │ ├── unet_model.py // Unet++网络结构
│ │ └── unet_parts.py // Unet++子网
│ └── utils.py
├── train.py // 训练脚本
├── unet.yaml // unet配置文件
└── version.ini // 版本信息
```
# 3. 自验结果
##3.1自验环境
华为云modelarts平台,Ascend910
镜像环境为:tensorflow1.15-mindspore1.3.0-cann5.0.2-euler2.8-aarch64
## 3.2 训练超参数
模型训练的一些参数如下:
lr: 0.001 # 学习率
epochs: 400 # 迭代次数
batch_size: 32 # 批处理大小
cross_valid_ind: 5 # 交叉验证次数
num_classes: 2 # 分类个数
num_channels: 3 # 输入图像通道数
## 3.3 训练
模型训练
### 3.3.1 启动训练
```python train.py --data_path=dataset/ --config_path=unet.yaml --output ./output```
### 3.3.2 训练精度结果
在华为的ModerArts Ascend910平台上,训练中最大FWIou的值为0.39914
![](doc/result.png)
验证精度(此处数据集较小)
![](doc/val.jpg)
## 3.4 模型评估
```
# 将验证数据集更改为Multi-Class数据集格式
python prepare_data.py train=False -datapath=训练集文件路径 -dstPath=更改格式后的验证文件存放目录
# 验证代码
python eval.py –data_path=更改格式后的验证文件存放目录 -checkpoint_file_path=output/checkpoint/ckpt_o/best.ckpt
```
# 4. 参考资料
在比赛过程中我们参考了一些资料,很感谢论文作者以及华为的MindSpore框架以及ModelZoo中各种开源的模型库。
## 4.1 参考论文
[1] Ronneberger O , Fischer P , Brox T . U-Net: Convolutional Networks for Biomedical Image Segmentation[J]. Springer International Publishing, 2015.
(https://arxiv.org/abs/1505.04597)
[2] Zhou Z , Siddiquee M , Tajbakhsh N , et al. UNet++: A Nested U-Net Architecture for Medical Image Segmentation[C]// 4th Deep Learning in Medical Image Analysis (DLMIA) Workshop. 2018.(https://arxiv.org/pdf/1807.10165.pdf)
## 4.2 参考git
https://github.com/4uiiurz1/pytorch-nested-unet
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【目标受众】: 本项目适合IT相关专业各种计算机技术的源代码和项目资料,如计科、人工智能、通信工程、自动化和电子信息等的在校学生、老师或者企业员工下载使用。 也适合小白学习进阶,可以用作比赛项目、可以进行项目复刻去参加同赛道比赛。 【资源内容】: 源码与竞赛资料:教育部认可的大学生竞赛备赛资料代码、源码、竞赛总结。 功能与质量保证:这个资源库是一个宝贵的学习平台,有助于他们深入了解计算机技术的原理和应用。这些源码经过测试和验证,可以直接运行,方便学生快速上手并开始实践。 【应用场景】: 竞赛准备:适用于各种教育部认可的竞赛,如全国电子设计大赛、全国大学生智能汽车竞赛等,他们可以借助这些资料了解竞赛的规则、要求和技巧。 学习与项目开发:可以用作毕设、课设、作业和竞赛项目的开发基础,可以使用这些源码作为项目开发的基础,快速构建出具有竞争力的作品。 【互动与交流】: 资料鼓励下载和使用这些资源,并欢迎学习者进行沟通交流、互相学习、共同进步。这种互动式的学习方式有助于形成良好的学习氛围,促进知识的共享和传播,为计算机相关专业的学习者提供了一个全面的学习和发展平台。
资源推荐
资源详情
资源评论
收起资源包目录
竞赛资料源码-全国人工智能创新应用大赛-MindSpore开源框架工程化应用专题赛-遥感图像耕地识别.zip (1483个子文件)
unet.air 34.63MB
main.cc 5KB
utils.cc 4KB
aipp_unet_simple_opencv.cfg 200B
cmake.check_cache 85B
best.ckpt 22.23MB
UnetSegmentation.cpp 7KB
main.cpp 2KB
analyze_fail_0.dat 75KB
Dockerfile 254B
Dockerfile 143B
.gitignore 62B
UnetSegmentation.h 2KB
cube_random_buff.h 2KB
utils.h 1KB
vector_random_buff.h 821B
somas_graph1_3016993664966311416.info 108KB
somas_graph0_2241017412514267314.info 31KB
somas_graph2_16318459911998460429.info 20KB
te_fusion_bn_training_update_relu_v2_16986770945349790579_0.info 13KB
te_fusion_bn_training_update_relu_v2_7456950521373751383_0.info 13KB
te_fusion_bn_training_update_relu_v2_7897899626893304012_0.info 13KB
te_fusion_bn_training_update_relu_v2_17446313611436466723_0.info 13KB
te_fusion_bn_training_update_relu_v2_13616269875898297606_0.info 13KB
te_fusion_bn_training_update_relu_v2_16155268683426949268_0.info 13KB
te_fusion_bn_training_update_relu_v2_5597962628803907676_0.info 13KB
te_fusion_bn_training_update_relu_v2_7686638996409776826_0.info 13KB
te_fusion_bn_training_update_relu_v2_7749675200242649378_0.info 13KB
te_fusion_bn_training_update_relu_v2_3919243612385120970_0.info 13KB
te_fusion_conv2d_backprop_input_d_add_n_relu_grad_v2_6233629279887922850_0.info 9KB
te_fusion_conv2d_backprop_input_d_add_n_relu_grad_v2_13509552283327276729_0.info 9KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_13624357782327451824_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_2483709499369293876_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_1832392477690825463_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_3475692810152725626_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_14328441631922316223_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_9920617572824528481_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_2138613705408989223_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_18357442249065219694_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_323466512088896671_0.info 7KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_17319151700211788500_0.info 7KB
te_fusion_conv2d_bn_training_reduce_11778441394057476844_0.info 7KB
te_fusion_conv2d_bn_training_reduce_15545462089769172823_0.info 7KB
te_fusion_conv2d_bn_training_reduce_8429221646809084297_0.info 7KB
te_fusion_conv2d_bn_training_reduce_11951961900978124135_0.info 7KB
te_fusion_conv2d_bn_training_reduce_3054530803415318486_0.info 7KB
te_fusion_conv2d_bn_training_reduce_11743047829978663128_0.info 7KB
te_fusion_conv2d_bn_training_reduce_303168645863135867_0.info 7KB
te_fusion_conv2d_bn_training_reduce_15336331626931547108_0.info 7KB
te_fusion_conv2d_bn_training_reduce_15389956664740981967_0.info 7KB
te_fusion_conv2d_bn_training_reduce_2508359348469791982_0.info 7KB
te_fusion_conv2d_bn_training_reduce_15718810562332937528_0.info 7KB
te_fusion_conv2d_bn_training_reduce_17531523931287203817_0.info 7KB
te_fusion_conv2d_bn_training_reduce_5233943489835279833_0.info 7KB
te_fusion_conv2d_bn_training_reduce_3886233313820757724_0.info 7KB
te_fusion_conv2d_bn_training_reduce_17066899851539024414_0.info 7KB
te_fusion_conv2d_bn_training_reduce_4022764867735369561_0.info 7KB
te_fusion_conv2d_bn_training_reduce_10752820261836853675_0.info 7KB
te_fusion_conv2d_bn_training_reduce_8259425514441183965_0.info 7KB
te_fusion_conv2d_bn_training_reduce_6089906092111491813_0.info 7KB
te_fusion_conv2d_bn_training_reduce_7940034258286304220_0.info 6KB
te_fusion_conv2d_relu_v2_14243979160433773314_0.info 6KB
te_fusion_conv2d_relu_v2_13711154107882345041_0.info 6KB
te_fusion_conv2d_relu_v2_15629316824161199604_0.info 6KB
te_fusion_conv2d_relu_v2_3656751311164024373_0.info 6KB
te_fusion_conv2d_relu_v2_14899547433301911550_0.info 6KB
te_fusion_conv2d_relu_v2_1748758040866591672_0.info 6KB
te_fusion_conv2d_relu_v2_11603258103069071232_0.info 6KB
te_fusion_conv2d_relu_v2_11528393760724140844_0.info 6KB
te_fusion_conv2d_relu_v2_9634863883927144144_0.info 6KB
te_fusion_conv2d_relu_v2_204463381750408391_0.info 6KB
te_fusion_conv2d_relu_v2_15833397211473420126_0.info 6KB
te_fusion_conv2d_relu_v2_10709031788548361820_0.info 6KB
te_fusion_conv2d_relu_v2_6207907725251652521_0.info 6KB
te_fusion_conv2d_relu_v2_13517104344479815104_0.info 6KB
te_fusion_conv2d_relu_v2_5430208112388143121_0.info 6KB
te_fusion_conv2d_relu_v2_6958659122242170476_0.info 6KB
te_fusion_conv2d_relu_v2_4685697772199427167_0.info 6KB
te_fusion_conv2d_relu_v2_15743290332376348358_0.info 6KB
te_fusion_conv2d_relu_v2_11014619945975472806_0.info 6KB
te_fusion_conv2d_relu_v2_13534292396026717790_0.info 6KB
te_fusion_conv2d_relu_v2_9085839186787150363_0.info 6KB
te_fusion_conv2d_relu_v2_2355102768521030019_0.info 6KB
te_fusion_conv2d_relu_v2_2181007474658544050_0.info 6KB
te_fusion_conv2d_relu_v2_1214474406774452702_0.info 6KB
te_fusion_conv2d_relu_v2_10923269837751599998_0.info 6KB
te_fusion_conv2d_relu_v2_2214030747388631502_0.info 6KB
te_fusion_conv2d_relu_v2_4040520221268196218_0.info 6KB
te_fusion_conv2d_relu_v2_8248663976247657116_0.info 6KB
te_fusion_conv2d_backprop_input_d_split_d_15192743736161790271_0.info 6KB
te_fusion_conv2d_backprop_input_d_split_d_5233587792109293921_0.info 6KB
te_fusion_conv2d_backprop_input_d_split_d_16885938564133246201_0.info 6KB
te_fusion_conv2d_backprop_input_d_split_d_18221001034980872549_0.info 6KB
te_fusion_conv2d_backprop_input_d_split_d_16070467918434494084_0.info 6KB
te_fusion_conv2d_backprop_input_d_split_d_13283236535558530112_0.info 6KB
te_fusion_conv2d_backprop_input_d_split_d_1348192006835897446_0.info 6KB
te_fusion_conv2d_backprop_input_d_split_d_12534917649972698875_0.info 6KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_18437536818181459934_0.info 6KB
te_fusion_conv2d_backprop_input_d_relu_grad_v2_9715652291834266856_0.info 6KB
te_fusion_conv2d_relu_16112511470024936857_0.info 6KB
共 1483 条
- 1
- 2
- 3
- 4
- 5
- 6
- 15
资源评论
妄北y
- 粉丝: 1w+
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于matlab实现眼部判别的疲劳检测系统+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 基于Matlab的异常姿势识别系统+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 隐藏文件展示工具,用来展示被病毒隐藏的文件
- 基于Matlab的图像分割系统+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 基于MATLAB指纹门禁GUI设计源码+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 基于Matlab的仪表指数识别系统霍夫曼变换+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 基于MATLAB 的霍夫曼变换答题卡识别带GUI界面+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 基于MATLAB 疲劳驾驶检测专识别GUI源码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 基于matlab的虫害侵蚀系统带Gui界面+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计)
- 基于Matlab的教室人数统计系统 可以统计正脸情况下的人数+源代码+全部数据+文档说明+详细注释+使用说明+截图(高分课程设计
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功