基于TF2.7-UNet的遥感影像建筑物语义分割

今天我们将基于tensorflow2.7深度学习框架构建UNet网络并实现建筑物遥感影像的语义分割。文章将分成以下几个部分。

• 数据预处理
• 网络构建
• 模型训练
• 模型评估

本次数据集使用的是Inria Aerial Image Labeling Dataset，它是一个用于城市建筑物检测的遥感图像数据集，其标记被分为建筑和非建筑两种，主要用于语义分割。

数据预处理

我们可以从它的官网https://project.inria.fr/aerialimagelabeling/下载数据集，数据集包含Training Set、Validation Set、Test Set三个部分，分别包含136，4，10幅1500*1500大小的遥感影像与对应的标签影像。部分数据如下所示。

我们定义一个随机裁剪函数，将训练与验证数据随机裁剪成256*256大小的数据集，构建我们的样本库。

size = 256
def split_images(tifPath,lab