![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
毕业设计
文章平均质量分 61
努力搬砖去大厂搬砖
记录我的毕业设计,希望顺利毕业
展开
-
無
我不想做毕设,我不想写论文。。原创 2021-04-28 16:00:51 · 203 阅读 · 0 评论 -
基于无人机遥感影像的农田作物识别(九)
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制作数据集的原创 2021-04-27 22:09:51 · 1662 阅读 · 8 评论 -
基于无人机遥感影像的农田作物识别(八)
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,油菜部分几乎没原创 2021-04-22 21:22:39 · 2245 阅读 · 3 评论 -
基于无人机遥感影像的农田作物识别(七)
基于无人机遥感影像的农田作物识别碎碎念同样的框选,不同的图?就 照常地制作数据集碎碎念今天照常搬砖,主要是解决上次框选猕猴桃训练集时,tif 文件与其他文件(label、png)不对应的情况。还有制作7.12与8.31的数据集。同样的框选,不同的图?刚开始以为是程序的问题,或者是框选的时候只框了一个不对劲?后面发现其他图片也对不上。究其原因是用tif图片生成的png图片分辨率大小不一样。最后用Photoshop重新导出,就一样了。不争气的电脑,用了很多时间。。。就 照常地制作数据集在复制整理各原创 2021-04-19 20:56:05 · 599 阅读 · 0 评论 -
基于无人机遥感影像的农田作物识别(六)
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原创 2021-04-17 21:28:58 · 1538 阅读 · 2 评论 -
基于无人机遥感影像的农田作物识别(五)
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原创 2021-04-15 21:02:45 · 2422 阅读 · 4 评论 -
基于无人机遥感影像的农田作物识别(四)
基于无人机遥感影像的农田作物识别json2label重复昨天制作数据集的步骤训练网络!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:新学到的操作:运行的程序想终止:Ctrl+c得到的结果:虽然看着是全原创 2021-04-13 22:07:35 · 918 阅读 · 0 评论 -
基于无人机遥感影像的农田作物识别(三)
基于无人机遥感影像的农田作物识别旋转矫正代码: interactive_rotate_with_pt.py初步裁剪裁剪为更小样本今天的内容呢,是制作数据集,非常重要。包括上一篇文章的转为标签形式,还有这次的旋转矫正图像,初步裁剪图像划分训练集和测试集,以及裁剪为固定大小的图像形成数据集。旋转矫正代码: interactive_rotate_with_pt.py具体操作如下:运行代码后,图中会出现一个机器默认的矫正方案,如果想手动选取点,则点右键取消。用左键点击想要矫正的四个点,形成绿色的框,但不是矩形原创 2021-04-12 22:05:06 · 1817 阅读 · 3 评论 -
基于无人机遥感影像的农田作物识别(二)
根据题目修改标注由于题目是识别农作物,然而标注的时候几乎每种类别包括杂草、道路都标注了,为了更贴合题目,要把不相关类别删除了,同时把农作物的标注更细化,便于后续程序识别。配置环境三级标题四级标题五级标题六级标题...原创 2021-04-12 20:37:46 · 1624 阅读 · 6 评论 -
基于无人机遥感影像的农田作物识别(一)
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PSPnetsegnetDeeplabv3+哈哈哈 OK 就到这儿了 等我学成归来再原创 2021-04-08 17:40:38 · 1851 阅读 · 1 评论