零基础入门语义分割-地表建筑物识别 Task1 赛题理解 -学习笔记

零基础入门语义分割-地表建筑物识别 Task1 赛题理解 -学习笔记

零基础入门语义分割-地表建筑物识别 Task1 赛题理解 -学习笔记

（一）赛题理解
赛题名称：零基础入门语义分割-地表建筑物识别
赛题目标：通过本次赛题可以引导大家熟练掌握语义分割任务的定义，具体的解题流程和相应的模型，并掌握语义分割任务的发展。
赛题任务：赛题以计算机视觉为背景，要求选手使用给定的航拍图像训练模型并完成地表建筑物识别任务。
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
赛题数据
遥感技术已成为获取地表覆盖信息最为行之有效的手段，遥感技术已经成功应用于地表覆盖检测、植被面积检测和建筑物检测任务。本赛题使用航拍数据，需要参赛选手完成地表建筑物识别，将地表航拍图像素划分为有建筑物和无建筑物两类。
评价指标
赛题使用Dice coefficient来衡量选手结果与真实标签的差异性，Dice coefficient可以按像素差异性来比较结果的差异性。Dice coefficient的具体计算方式如下：
2 ∗ ∣ X ∩ Y ∣ ∣ X ∣ + ∣ Y ∣ \frac{2 * |X \cap Y|}{|X| + |Y|}
∣X∣+∣Y∣
2∗∣X∩Y∣
​
其中X XX是预测结果，Y YY为真实标签的结果。当X XX与Y YY完全相同时Dice coefficient为1，排行榜使用所有测试集图片的平均Dice coefficient来衡量，分数值越大越好。
解题思路
由于本次赛题是一个典型的语义分割任务，因此可以直接使用语义分割的模型来完成：

步骤1：使用FCN模型模型跑通具体模型训练过程，并对结果进行预测提交；
步骤2：在现有基础上加入数据扩增方法，并划分验证集以监督模型精度；
步骤3：使用更加强大模型结构（如Unet和PSPNet）或尺寸更大的输入完成训练；
步骤4：训练多个模型完成模型集成操作

具体学习记录：
1.首先遇到的问题是读入数据的报错：image must be numpy array type

求助队友后转用其他读入方式：img = np.array(Image.open(self.paths[index]))
2.下一个遇到的问题是找不到图片，尝试再三，将路径改为绝对路径成功。
3.时间原因将原本baseline的20次改为5次，所以score:0.5606，没有名次
4.总结下，作为一个小白，能跑通觉得还是有点开心的。