基于Unet网络的无人机全景图的耕地提取模型

基于Unet网络的无人机全景图的耕地提取模型

Unet模型适合特征少，需要浅层特征的全景农田数据集
针对RGB的高明区无人机全景图的浅层特征数据集，利用Unet模型架构的优势提取影像的耕地目标，解决了复杂场景下的目标提取。

图片1

图片2

权重文件下载

训练所需的权值可在百度网盘中下载，下载后放到model。

链接: https://pan.baidu.com/s/1A22fC5cPRb74gqrpq7O9-A

主要步骤

• 将存放全景图像的panorama文件夹下所有全景图切割并提取主要绿地作为农田图像；
  训练前将图片文件放在Datasets文件夹下的JPEGImages中;
• 训练前将标签文件放在Datasets文件夹下的SegmentationClass中;
• 在训练前利用annotation.py文件生成对应的txt;
• 修改train.py的num_classes为分类个数+1，这里只有农田类别，因此该参数设置为1;
• 运行train.py即可开始训练；

修改unet.py中的model_path和num_classes，打开predicet.py根据测试模型更改参数，进行预测测试