【源码】基于PyTorch的遥感建筑物语义分割系统

项目简介

本项目基于PyTorch框架，提供用于0.5米分辨率遥感图像中建筑物语义分割的HorNet模型。项目包含调通的模型代码，还有详细配置和使用步骤，便于用户自定义训练和预测。

项目的主要特性和功能

• HorNet模型：采用HorNet模型进行语义分割，适用于高分辨率遥感图像的建筑物分割任务。
• 自定义配置：支持用户对数据集、类别、训练网络和测试脚本进行自定义配置。
• 预训练模型：提供多种预训练权重，可让用户快速开启训练和预测工作。
• 丰富的工具函数：涵盖模型构建、特征提取、解码器、颈部结构、损失函数等工具函数，为图像分割任务提供完整方案。

安装使用步骤

1. 环境配置

确保运行环境满足以下依赖包及其版本要求： plaintext addict==2.4.0 certifi==2022.9.24 charset-normalizer==2.1.1 contourpy==1.0.5 cycler==0.11.0 flatbuffers==22.12.6 fonttools==4.37.4 GDAL==3.5.2 idna==3.4 imageio==2.22.2 kiwisolver==1.4.4 matplotlib==3.6.1 mmcv-full==1.4.7 mmdet==2.22.0 mmsegmentation==0.20.2 MultiScaleDeformableAttention==1.0 networkx==2.8.7 numpy==1.23.4 onnxruntime-gpu==1.8.0 opencv-python==4.6.0.66 packaging==21.3 Pillow==9.2.0 pip==22.2.2 prettytable==3.4.1 protobuf==4.21.11 pycocotools==2.0.5 pyparsing==3.0.9 python-dateutil==2.8.2 PyWavelets==1.4.1 PyYAML==6.0 requests==2.28.1 scikit-image==0.19.3 scipy==1.9.2 setuptools==65.4.1 six==1.16.0 terminaltables==3.1.10 tifffile==2022.10.10 timm==0.4.12 torch==1.11.0+cu113 torchaudio==0.11.0+cu113 torchvision==0.12.0+cu113 typing_extensions==4.4.0 urllib3==1.26.12 wcwidth==0.2.5 wheel==0.37.1 yapf==0.32.0

2. 自定义配置文件

1. 修改数据配置文件：如/config/__base__/datasets/dataset_common.py。
2. 修改类别配置文件：如/mmseg/datasets/build_voc.py。
3. 修改训练网络配置文件：如/config/hornet/upernet_hornet_large_gf_512_160k_common.py。
4. 修改本地训练脚本：如./train_common.py。
5. 修改本地测试脚本（遥感）：如./predict_common.py。

3. 使用预训练模型

下载预训练权重并放置在合适位置： - 预训练权重： - hornet_large_7x7_in22k.pth - upernet_hornet_base_7x7.pth - upernet_hornet_large_gf.pth - 百度云链接：链接 提取码：1234

4. 运行训练和预测脚本

• 训练脚本：
• train_guowangtong512.py
• train_bigdata512_large_build_hornet.py
• train_bigdata512_base_build_hornet.py
• 预测脚本：
• predict_120bigdata_build_512_large.py
• predict_guowangtong_build_512.py

通过以上步骤，可基于本项目快速搭建和运行遥感建筑物语义分割任务。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】