# “华为云杯”2020人工智能创新应用大赛-季军方案
本赛题任务是基于高分辨可见光遥感卫星影像,提取复杂场景的道路与街道网络信息,将影像的逐个像素进行前、背景分割,检测所有道路像素的对应区域。
[大赛官网](https://competition.huaweicloud.com/information/1000041322/circumstance)
初赛成绩:0.8377 (6/377)
## 环境
* Ubuntu 18.04 1080Ti
* Python 3.7
* Pytorch 1.4
* albumentations
## 数据集
使用baseline默认的切图代码,切图的边长为512,步长为256,训练验证集比例为10:1。
之后通过筛再去除全黑的图像作为最终用于训练和验证的数据集。
## 网络结构
efficientunet-b3 + b4
## 涨点技巧
* 数据增强
* loss权重
* 模型融合
* 测试时增强(TTA)
* 忽略边缘预测 [知乎链接](https://zhuanlan.zhihu.com/p/158769096)
## 具体流程
### 1. 生成数据集
切分图片:打开others/cut_data.py,修改数据集地址data_dir,运行生成数据集。注意,这里使用的是baseline切图代码,生成的图片是BGR通道的,之后在预测时做了通道转换。
去除黑边:打开others/remove_black.py, 填写刚刚生成的数据集地址old_data_dir,选择去除黑边后数据集新保存的地址data_dir。
### 2. 训练
模型训练:打开train.py,修改数据集地址data_dir,选择训练的模型(默认是b4),运行。生成的权重以及日志保存在outputs文件里。
### 3. 部署
模型融合:打开others/model_fusion.py,更改b3、b4权重文件路径,运行生成集成模型的权重文件。
上传部署:将该.pth模型文件放到submission文件夹中,然后上传至modelarts部署。
## reference
[https://github.com/zhoudaxia233/EfficientUnet-PyTorch](https://github.com/zhoudaxia233/EfficientUnet-PyTorch)
“华为云杯”2020人工智能创新应用大赛-季军方案.zip
版权申诉
125 浏览量
2023-10-25
08:13:20
上传
评论
收藏 58KB ZIP 举报
xiaoshun007~
- 粉丝: 3858
- 资源: 3129
最新资源
- 2023-04-06-项目笔记 - 第一百五十四阶段 - 4.4.2.152全局变量的作用域-152 -2024.06.04
- 松哥解协议松哥解协议松哥解协议松哥解协议松哥解协议
- 618节日618节日618节日
- tensorflow-gpu-2.9.1-cp37-cp37m-win-amd64.whl
- tensorflow-gpu-2.9.0-cp37-cp37m-win-amd64.whl
- tensorflow-gpu-2.9.0-cp39-cp39-win-amd64.whl
- lcd daimalcd daima
- 电影领域-推荐算法-个性化内容-观影决策-电影推荐小程序.zip
- 电气控制PLC考试题库
- 如何使用MATLAB简介
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