基于无人机遥感影像的农田作物识别（四）

最新推荐文章于 2024-09-13 10:00:46 发布
最新推荐文章于 2024-09-13 10:00:46 发布
阅读量932 收藏 4
点赞数
分类专栏： 毕业设计 文章标签： python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45699027/article/details/115678533
版权
本文介绍了基于无人机遥感影像的农田作物识别过程，包括使用json2label工具处理数据，手动和自动划分数据集，以及使用Segnet进行网络训练。在数据处理中，发现labelme版本问题导致结果错误，通过降低版本解决了问题。训练过程中，使用多个进程进行模型训练，但最终精度不高，计划进一步测试。
摘要由CSDN通过智能技术生成

基于无人机遥感影像的农田作物识别


今天又进行了新的搬砖，搬砖好累

json2label

今天重新调试了程序，具体是昨天没有成功的json2label程序，那是怎么成功的呢？改动了什么了？当事人一无所知。
当事人知道了，程序是没问题的，得到图像不正确的原因是之前的labelme版本太高了，而在user的环境中，labelme是3.0的，得到的结果就正确了。
如何调用user环境：
在这里插入图片描述
新学到的操作：运行的程序想终止：Ctrl+c
得到的结果：
在这里插入图片描述
虽然看着是全黑的，因为我的类别只有三类，他们之间颜色差的不多，只有在Photoshop里才能看清。至此转化为标签完成。 在这里插入图片描述

重复昨天制作数据集的步骤

  1. 手动框选
    在手动框选时，今天的操作是两次运行代码interactive_crop_with_pt.py，具体的操作是建立相应文件夹，把需要的图放入&
最低0.47元/天 解锁文章
努力搬砖去大厂搬砖
关注
专栏目录
基于无人机遥感影像的农田作物识别（五）
蛋小酥的博客
04-15 2546
基于无人机遥感影像的农田作物识别如何在服务器上跑程序测试昨天的模型解决问题，再次训练 明天早上8.30要汇报，今天必须写好这个记录和做PPT，时间来不及哇…明天写文章的话又怕记不住了，枯了枯了，先写吧 如何在服务器上跑程序 上回说到，用服务器跑程序，点这个—输入密码—如图输入命令，即可跑程序。source activate segnet命令很重要，是激活环境的。 其中，跑程序前要查看gpu利用率，用nvidia-smi命令：此时都没人用。 如果需要的话，改这里： 测试昨天的模型 昨天将训练集10000
基于无人机遥感影像的农田作物识别（六）
蛋小酥的博客
04-17 1626
基于无人机遥感影像的农田作物识别碎碎念将标注过的图片可视化第三次训练总结一下周五的组会 碎碎念 自从上次组会汇报完，就休息了一天（才一天？我感觉休息了好久），然后今天去搬砖了。今天感觉没干啥也，整理整理 将标注过的图片可视化 感觉没做啥的原因是，代码都是用的学长的，运行就好了。。。 改一下路径： 为了方便对比，把输出图像的RGB改为与测试程序相同的值，得到可视化的标注图像。 第三次训练 上次总结了问题，今天将7.31的图像再次训练，主要的还是数据集的划分。上次的背景误识别严重，所以这次手动框选训练集时尽
基于无人机遥感影像的农田作物识别（一）
蛋小酥的博客
04-08 1914
目录前言几个难点：选择的网络 前言 学了好久的深度学习，感觉还是马马虎虎的，好多东西用过又忘了，这次通过这个平台记录下来，希望能更透彻地掌握知识，同时也为我的答辩提供底气。 几个难点： 裁剪数据集，要用Photoshop初步裁剪。不太会用软件 将标注过的图像转化为标签信息，其中的代码需要配置新的环境 初步裁剪后的图像 要用代码转化为等大小的小数据集，其中的环境还没配置。 数据集制作好，就要跑代码了 选择的网络 PSPnet segnet Deeplabv3+ 哈哈哈 OK 就到这儿了 等我学成归来再
遥感航拍农业异常数据集，收集3,432 个农田94,986 张高质量航拍图像-每张图像由 RGB 和近红外 (NIR) 通道组成，分辨率高达每像素 10 厘米。注释了对农民最重要的九种类型
最新发布
2401_83580557的博客
09-13 314
遥感航拍农业异常数据集，收集3,432 个农田的 94,986 张高质量航拍图像，其中每张图像由 RGB 和近红外 (NIR) 通道组成，分辨率高达每像素 10 厘米。注释了对农民最重要的九种类型的田间异常模式（重复播种、干旱、车辙印，营养缺乏、播种机漏薄、风暴损坏、洪涝、水道、杂草簇异常），共20GB
基于Python的Landsat影像建设用地自动识别与提取
yuanYW7556的博客
07-30 4174
系统实现基于Python语言进行编码，数据预处理和质量控制部分通过自行编码实现，主要空间分析函数调用ArcGIS中的空间分析模块。 1数据预处理 (1)对下载的原始数据进行批量解压。对海量原始影像压缩文件夹进行遍历，识别并逐次解压。文件解压关键代码如下: targzfilc.cxtract(filc,unzipcdfoldcr)#从压缩文件targzfile中把解压出的文件[file放到文件夹nzipcdfoldcr里。 (2...
【毕业设计】深度学习卫星遥感图像检测与识别 -opencv python 目标检测
HUXINY的博客
08-18 5420
🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是🚩 **深度学习卫星遥感图像检测与识别 **🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：5分🧿。...
基于无人机遥感影像的农田作物识别（九）
蛋小酥的博客
04-27 1824
基于无人机遥感影像的农田作物识别碎碎念segnet网络训练8.31deeplabv3+训练模型7.12时期8.31时期7.31时期补充训练7.31时期segnet网络模型总结上次组会 碎碎念 好久不见。 好久没更新，因为之前的问题基本解决了，接下来做的，包括用segnet网络训练8.31时期的模型；用deeplabv3+网络训练模型；重新裁剪制作7.31时期的数据集，重新训练。都是一些重复性的工作，感觉没什么需要记录的~~~ 倒是中期答辩需要提交的记录，一直没写… segnet网络训练8.31 制作数据集的
基于无人机遥感影像的农田作物识别（八）
蛋小酥的博客
04-22 2414
基于无人机遥感影像的农田作物识别前言8.31时期的训练分析现象7.12时期的训练分析解决问题 前言 上回说到，重新框选了7.12和8.31的训练集，然后整理数据集，像之前一样训练。然后在宿舍连接服务器进行了训练、测试。但结果却伤透了我的心。 8.31时期的训练 参数与之前相同，猕猴桃复制了三组（一共四组），然后直接是训练结果：（换了个服务器速度更快了） 可以看到正确率是0.8461，看起来还可以，然后进行预测： 预测速度： 预测结果： 正确的标注： 分析现象 大量背景被误识别为猕猴桃，油菜部分几乎没
python毕业设计 深度学习卫星遥感图像检测与识别 opencv 目标检测
kooerr的博客
04-17 470
🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要分享的是🚩 **深度学习卫星遥感图像检测与识别 **🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：5分。
玉米、水稻、甘蔗等农作物图片数据集
10-24
玉米、水稻、甘蔗等农作物图片数据集（数据集包含30种不同类型的作物图像在单独的文件夹，每类农作物大约30张图片） 玉米、水稻、甘蔗等农作物图片数据集（数据集包含30种不同类型的作物图像在单独的文件夹，每类农作物大约30张图片）
可用于深度学习或者图像处理研究的农作物病虫害数据集
07-13
压缩包内提供百度网盘下载链接，永不过期！ 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。 该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农作物方面图像处理研究。
VisDrone-农场中农业机械目标检测数据集-yolo-1.zip
08-12
1000多张YOLO无人机俯视视角下农场中的车辆，农机，行人检测数据集dataset1，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型， 数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 数据集配置目录结构data.yaml： names: ['car', 'people', 'tractor', 'van'] train: ./train/images val: ./valid/images test: ./test/image
标准的农业病虫害图像库
慕云
03-05 5200
1、相关资料 中科院合肥智能机械研究所的陈雷等，采集的高分辨率和高相似度的同类农作物病害原始图像数据，经植物病理学家有关专家对病害种类确认核实后，建立了国内标准的农业病虫害图像库， 仅水稻㼿，小麦和玉米种田间作物的图像数量就达到17624张， 该基础数据资源可作为病害识别建模的训练样本使用。 2、网站 3、扩展数据库 【1】Digipathos作物病害公开数据集网站 【2】中国科学数据网 ...
计算机视觉中常用数据集介绍
qq_54828577的博客
07-15 1710
详细介绍计算机视觉中常用的数据集
动手学深度学习——图像分类数据集（代码详解）
qq_38473254的博客
07-15 2804
Fashion-MNIST中包含的10个类别，分别为t-shirt（T恤）、trouser（裤子）、pullover（套衫）、dress（连衣裙）、coat（外套）、sandal（凉鞋）、shirt（衬衫）、sneaker（运动鞋）、bag（包）和ankle boot（短靴）。Fashion-MNIST由10个类别的图像组成， 每个类别由训练数据集（train dataset）中的6000张图像 和测试数据集（test dataset）中的1000张图像组成。这个函数返回训练集和验证集的数据迭代器。
33个机器学习常用数据集
weixin_33953384的博客
04-19 2191
若是本文能帮助到大家，希望可以关注 并转发分享！（thanks）现如今构建人工智能或机器学习系统比以往的时候更加容易。普遍存在的尖端开源工具如 TensorFlow、Torch 和 Spark，再加上通过 AWS 的大规模计算力、Google Cloud 或其他供应商的云计算，这些都意味着你可以在下午休闲时间使用笔记本电脑去训练出最前沿的机器学习模型。数据集对于深度学习模型的重要性不言而喻，然而根...
无人机有关数据集汇总—自用，不定时更新
yugezihl的博客
12-25 9363
1.UC Merced Land-Use（用于土地利用研究的可见光遥感图像数据集，图片取自USGSNational Map Urban Area Imagery系列） 2.NWPUVHR-10（有10个类别的对象，这些图像是从Google Earth和Vaihingen数据集裁剪而来，并且由专家进行了类别标注） 3.VEDAI（Vehicle Detection in Aerial Imagery）数据集用于多种类车辆检测任务，该数据集的航空图像取自犹他州AGRC 4.U...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值