前言
从遥感图像上能看到桃园市密密麻麻的小黑点,是一口口池水,当地人称为埤塘(就是池塘)。
埤塘大都分布在大片的农地之中,起着蓄水和防洪的作用。埤塘最多的时候达8800口,后来由于城建占地,交通建设,导致有很多较小的埤塘消失了,目前台湾剩余的埤塘只有2800多口,只有最高峰时期的三分之一。
意义:将池塘从影像中准确识别分割出来,有重要的军事价值(比如伞兵降落,空投投放)。具体意义与作用还需深究。
方法:拟采用语义分割的方式从遥感影像和航摄影像中将埤塘分割出来。
现将近期学习内容进行梳理。
一、语义分割与实例分割
传统的图像分割算法均是基于灰度值的不连续和相似的性质。而基于深度学习的图像分割技术则是利用卷积神经网络,来理解图像中的每个像素所代表的真实世界物体。
简单来说,池塘的语义分割认为分割出来的都是池塘,是同一类。而实例分割认为他们是不同的池塘,不同的对象。最后做出来的效果应该类似下面这张图。
二、mmsegmentation框架配置
选用mmseg框架,详情见
三、训练自己的数据
(1)当前情况:
1.已经熟悉参数配置,如果有数据集已经能够进行训练
2.配置好了labelme软件,对图像进行标注。
3. 学习了fcn等比较基础的模型
4.找不到合适的埤塘语义分割数据集(最常见的voc格式)。
(2)计划(未来两周)
1. 制作自己的数据集
问题:网上找不到合适的池塘语义分割数据集“1” 。
航拍影像还是遥感影像
2. 先能跑起来自己的数据集,得到测试集结果
问题: 评估测试结果的方法
实际应用是否有用处
3. 测试不同model,根据结果,对模型参数进行修改
问题: 模型如何进行选取“2”