CV语义分割-地表建筑物识别-task1 赛题理解

CV语义分割-地表建筑物识别-task1 赛题理解

比赛地址：比赛地址
开源内容：开源内容

1，学习目标

• 理解赛题背景和赛题数据
• 完成赛题报名和数据下载，理解赛题的解题思路

2，数据标签RLE的意义

RLE 全称（run-length encoding），翻译为游程编码或行程长度编码，对连续的黑、白像素数以不同的码字进行编码。RLE 是一种简单的非破坏性资料压缩法，经常用在在语义分割比赛中对标签进行编码。
可以理解为：用2个字节为最小单位进行压缩，第一个字节最高位表示重复还是非重复数据，低7bit表示数据的个数（最大127），第二字节跟着数据。
例如：data为一个字节，
[data] [data] [data] [data] [data]
则压缩后的数据就包含「1:重复数据块+7bit 数据块的大小」和 [data] 两字节，其中 [data] 只存储了一次，节省了存储空间：
[data1] [data2] [data3] [data4] [data5]
则压缩后「0:非重复数据块+5」+[data1] [data2] [data3] [data4] [data5]

参考RLE压缩算法原理

3，评价指标

4，数据处理及验证

4.1 下载数据
下载 SS_Data_A_20210201.md ，该⽂件内有数据的下载链接
比赛数据下载地址

4.2 安装比赛环境
4.2.1 MacBook M1芯片安装pytorch
macbook M1芯片安装pytorch
4.2.2 安装关联的库
opencv、pandas等
4.3 环境验证

赛题理解

1，使用baseline跑通FCN模型
2，进行数据扩增、使用更强大的模型进行分割任务

遗留问题：

1，macbook M1笔记本的环境安装真心困难！！！有相同情况的老铁请留言，互相倾诉一下：）
2，为啥要用pytorch？后续如果要进行模型嵌入式部署的话还得切tf