CV语义分割-地表建筑物识别-task1 赛题理解
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]
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