Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路后对结果图进行后处理(四)——软件实现

已于 2022-12-08 12:45:59 修改
阅读量324 收藏
点赞数
分类专栏： 深度学习 windows Ubuntu平台Dlinknet深度学习道路水体全过程 文章标签： 深度学习 arcgis 样本制作
于 2022-07-20 20:38:11 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Laney_Midory/article/details/125900151
版权

栅格图矢量化的第二种批量处理方法

使用栅格计算器
栅格计算器的位置如下
在这里插入图片描述
选择出白色区域部分
请添加图片描述
最后使用模型构建器来批量处理我们所有的图片
请添加图片描述
但这里一直在报错
在这里插入图片描述
目前我猜测可能是名称包含了.tif的后缀
所以最后保存就变成了.tif.shp所以一直报这个错
但这个好像无解
搜了很多都找不到解决方法
比如这篇也是跟我一样的问题
希望有会的朋友帮忙解答一下这个棘手的问题

现在发现了一个解决办法
感谢这篇博文给了我解决的思路
因为arcgis的工具实在是太多了
没想到这个工具就可以解决这个问题！！
解析路径
在这里插入图片描述
这个工具里面的设置
在这里插入图片描述
就不会报错啦！！！

最后提取面的最终模型为
在这里插入图片描述
这样就可以获取到面状的shp啦
完美解决命名问题

Laney_Midory
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路后对结果图进行后处理(三)——代码+软件实现
Laney_Midory的博客
07-18 1056
得到黑白结果图后由于某些原因需要将结果图转为矢量图进行后处理这是由于大多数软件比如arcgis对矢量shp文件处理较为方便而对栅格图片的处理有很多不便因此我们首先需要将我们的黑白栅格图片转为矢量shp文件这里主要使用arcgis软件实现。.......................................
七、使用arcgis对道路结果进行后处理及iou优化步骤详解
Laney_Midory的博客
04-19 796
最近在研究对道路的后处理废话不多说直接放我的教程了。
Ubuntu20搭建pytorch深度学习框架——运行Dlinknet提取道路(一)——前期准备环境配置
Laney_Midory的博客
05-31 527
之前我是使用的Windows来配置深度学习框架 想用Windows的朋友请查看[这篇博文] 但由于项目需要以及各种各样的原因 貌似用linux系统效率会更好 因此从头开始使用ubuntu进行pytorch环境配置 首先查看[这篇博文] 非常详细地说明了如何安装pytorch环境 注意我这里需要的是python3.6 因此我在第五步的时候 语句如下 conda create -n pytorch python=3.6 .................................
windows10使用cuda11搭建pytorch深度学习框架——运行Dlinknet提取道路(三)——模型精度评估代码完善
Laney_Midory的博客
01-12 1697
重新调试好代码，使用Dinknet34模型对数据集进行训练 数据集大小为1480张图片 运行时间为2022年1月12日16：00 记录下该模型训练时间 但如何评估模型的精度也是一个问题，因此作如下总结 模型精度评估 评价指标： 　　准确率 （Accuracy），混淆矩阵 （Confusion Matrix），精确率（Precision），召回率（Recall），平均正确率（AP），mean Average Precision(mAP)，交除并（IoU），ROC + AUC，非极大值抑制（NMS）。 IoU
windows10使用cuda11搭建pytorch深度学习框架——运行Dlinknet提取道路(二)——代码运行问题解决
Laney_Midory的博客
01-11 1885
运行程序 去github上下载Dlinknet的代码 https://github.com/zlckanata/DeepGlobe-Road-Extraction-Challenge 直接使用anaconda的powershell运行程序 python train.py 出现错误 RuntimeError: An attempt has been made to start a new process before the… 参考这篇博文 我采用了 去掉num_workers参数解决 下一个问题接踵而至
深度学习框架(paddlepaddle/pytorch)——卷积核实现边缘检测和均值模糊
01-06
PyTorch API信息： https://www.pytorchtutorial.com/docs/package_references/torch-nn/#class-torchnnconv2din95channels-out95channels-kernel95size-stride1-padding0-dilation1-groups1-biastrue github地址： ...
基于pytorch深度学习框架yolov4与yolov5实现车辆检测计数+车牌定位+车牌识别融合技术源码+模型+运行说明.zip
05-19
基于pytorch深度学习框架yolov4与yolov5实现车辆检测计数+车牌定位+车牌识别融合技术源码+模型+运行说明.zip基于pytorch深度学习框架yolov4与yolov5实现车辆检测计数+车牌定位+车牌识别融合技术源码+模型+运行说明....
基于Pytorch深度学习框架进行整体环境搭建.zip
01-14
基于Pytorch深度学习框架进行整体环境搭建，包括数据集制作，模型训练，模型测试，模型优化；基于kinova机器人搭建实际抓取环境；采用级联网络Cascade R-CNN提取特征。
搭建Pytorch深度学习框架所需资源包，无需再下载任何依赖包
01-16
整理了一套完整的深度学习所需依赖包，包含：pytorch+cuda11.0+cudnn11.0+anaconda3.7+pycharm2020+opencv4.5.1，亲测了Yolo-V5模型，无需额外依赖包。
基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测
02-26
使用说明在zip压缩包 ...基于pytorch深度学习框架，实用开源模型yolov4实现模板检测与yolov5实现车牌检测与LPRNet实现车牌检测 基于win10系统，实用anaconda配置python环境，在anaconda里面下载vscode对项目进行编辑
ArcGIS栅格计算器公式总结
weixin_41652574的博客
01-16 5910
Arcgis 栅格计算器
ECCV2020 | SNE-RoadSeg：一种基于表面法向量提取的道路可行驶区域分割方法
3D视觉工坊
09-14 1002
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达这篇文章收录于ECCV2020，是一篇关于无碰撞空间区域分割的文章，整体效果很不错。最主要的核心思想是在表面发现估计器的设计，在得到...
有源淹没分析arcgis_ArcGIS河网提取及淹没区分析
weixin_30140317的博客
12-23 2110
01建立研究区矢量边界根据需要选取自己的研究区范围这里我是随便画的一个范围结果如下02按掩没提取类似与栅格裁剪工具裁剪结果如下03填洼处理水文分析工具箱中的 [填洼]工具，通过填充表面栅格中的汇来移除数据中的小缺陷。Z 限制 (可选) ：要填充的凹陷点与其倾泻点之间的最大高程差。如果凹陷点与其倾泻点之间的 z 值差大于 z 限制，则不会填充此凹陷点。Z 限制值必须大于零。除非已指定该参数的值，否则...
栅格计算机提取河网代码,利用ArcGIS水文分析工具提取河网(示例代码)
weixin_29056145的博客
07-30 1222
DEM包含有多种信息，ArcToolBox提供了利用DEM提取河网的方法，但是操作比较烦琐(帮助可参看Hydrologic analysis sample applications)，今天结合我自己的使用将心得写出来与大家分享。提取河网首先要有栅格DEM，可以利用等高线数据转换获得。在此基础上，要经过洼地填平、水流方向计算、水流积聚计算和河网矢量转化这几个大步骤。1．洼地填平DEM洼地(水流积聚地...
遥感影像道路提取:Improved Road Connectivity by Joint Learning of Orientation and Segmentation
zhaoguanhua的博客
02-23 8603
文章目录一、道路提取难点二、本文贡献三、方法3.1、方向学习3.2、连接优化3.3、堆叠式多分支模块 一、道路提取难点 二、本文贡献 三、方法 3.1、方向学习 3.2、连接优化 3.3、堆叠式多分支模块 ...
利用多层感知机实现高分影像中的道路提取
ScapeD的博客
04-04 1668
1、数据与目的 实验数据: 分辨率为0.5m的高分遥感影像 实验目的：提取影响中的沥青路面道路 2、影像数据处理 前期数据处理在ENVI中实现。主要包括影像裁剪，道路矢量化，图像二值化。 2-1 数据裁剪 裁剪的目的：在图像中裁剪除两块有代表性的区域，分别作为机器学习的样本和测试数据。 裁剪效果： train data: test data: 2-2 裁剪区域目...
基于遥感影像的道路提取论文、开源代码和数据集汇总
热门推荐
如果想成为中心，那么就到中心去吧。
02-05 2万+
文章目录2019RoadNet: 2019 RoadNet: code: https://github.com/yhlleo/RoadNet 论文的贡献 该文提出了一个多任务像素端到端CNN，道路网，以同时预测路面，边缘和中心线。 道路网自动学习多尺度和多级特征，并在一个专门设计的级联网络中进行整体训练，可以处理各种场景和尺度的道路。 上述子任务在训练阶段是相关的，其中路面分割的预测被应用于道路边缘检测和道路中心线提取。 一方面，精细的路面分割有利于道路边缘检测和道路中心线提取，这可以看作是具有少数复杂背
OSM 路网提取道路交点，生成node和edge，用于网络分析
jasonyanxx的博客
06-14 1万+
OSM 路网提取道路交点，生成node和edge，用于网络分析 1 导入OSM路网 2 在交点处打断路网 1、打开要编辑的shp数据，工具栏中，编辑器-开始编辑，开启编辑状态； 2、选择图层中的全部要素，在图层上右键-选择-全选； 3、调出拓扑编辑工具条，在菜单栏右键-拓扑； 4、建立拓扑关系，点击 拓扑 工具条中的 选择拓扑，选中要建立拓扑关系的图层。 5、在线的交点处打断线，点击 拓扑 工...
用GAN网络生成彩票号码
最新发布
Ephemeroptera的博客
06-11 1812
简单的gan网络实现序列预测
如何进行pytorch深度学习框架搭建
04-20
进行pytorch深度学习框架搭建，需要首先安装pytorch库并与Python环境配合。接着，你可以使用pytorch自带的模块和函数进行模型的定义、训练和预测。具体实现方法可以参考pytorch官方文档和相关的学习资料。希望能够...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Laney_Midory

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值