基于Python实现的遥感图像的语义分割，分别使用Deeplab V3+和unet模型+源代码+文档说明+数据集

# 内容： 遥感图像的语义分割，分别使用Deeplab V3+(Xception 和mobilenet V2 backbone)和unet模型 Deeplab V3+模型代码来自https://github.com/Epsilon123/keras-deeplab-v3-plus unet模型代码来自https://www.kaggle.com/drn01z3/end-to-end-baseline-with-u-net-keras 数据来自Kaggle竞赛https://www.kaggle.com/c/dstl-satellite-imagery-feature-detection https://www.kaggle.com/c/dstl-satellite-imagery-feature-detection 翻墙注册，这里有数据，教程和代码，能搞懂unet就能理解所有的语义分割原理。 可以根据使用需要自定义输入、输出、激活函数、网络层 # 环境： Ubuntu 16.04 keras 2.15 tensorflow-gpu 1.10 cuda 9.0 opencv 3.4 tifffile shapely 1.6 # 结果： label：  原图：  类别1：建筑物  类别2：道路  类别3：树木  类别6：汽车  github是随便写的，有问题可以邮箱联系我853569053@qq.com kaggle账号注册需要翻墙，数据量很大需要翻墙下载。建议先实现unet，在了解整个实验流程原理以及代码的基础上，再实现deeplab v3+。此项目不再维护，不要用QQ联系。