一学习主题:理解赛题内容解题流程
一学习内容:赛题理解、数据读取、比赛baseline构建
一学习成果:比赛baseline 提交
赛题理解
遥感技术应用于地表覆盖检测、植被面积检测和建筑物检测任务。
目标任务:地表建筑物识别,识别图片中的地表建筑具体像素位置
将地表航拍像素划分为有建筑物和无建筑物两类
数据读取
train_mask.csv:存储图片的标注的rle编码;
train:存储训练集图片
test:存储测试集图片
rle编码的具体的读取代码如下:
import numpy as np
import pandas as pd
import cv2
# 将图片编码为rle格式
def rle_encode(im):
'''
im: numpy array, 1 - mask, 0 - background
Returns run length as string formated
'''
pixels = im.flatten(order = 'F')
pixels = np.concatenate([[0], pixels, [0]])
runs = np.where(pixels[1:] != pixels[:-1])[0] + 1
runs[1::2] -= runs[::2]
return ' '.join(str(x) for x in runs)
# 将rle格式进行解码为图片
def rle_decode(mask_rle, shape=(512, 512)):
'''
mask_rle: run-length as string formated (start length)
shape: (height,width) of array to return
Returns numpy array, 1 - mask, 0 - background
'''
s = mask_rle.split()
starts, lengths = [np.asarray(x, dtype=int) for x in (s[0:][::2], s[1:][::2])]
starts -= 1
ends = starts + lengths
img = np.zeros(shape[0]*shape[1], dtype=np.uint8)
for lo, hi in zip(starts, ends):
img[lo:hi] = 1
return img.reshape(shape, order='F')
读取样例:
train_mask = pd.read_csv('train_mask.csv', sep='\t', names=['name', 'mask'])
# 读取第一张图,并将对于的rle解码为mask矩阵
img = cv2.imread('train/'+ train_mask['name'].iloc[0])
#对第一张图的mask矩阵进行解码
mask = rle_decode(train_mask['mask'].iloc[0])
#比较第一张图的解码和原来的mask举着
print(rle_encode(mask) == train_mask['mask'].iloc[0])
# 结果为True
评估标准
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
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。
RLE编码应用:
大量白色或黑色的区域单色影像图
电脑生成的同色区块的彩色图像(如建筑绘图纸)
TIFF文件
PDF文件