SwinSTFM复现

最新推荐文章于 2024-03-14 20:07:23 发布
最新推荐文章于 2024-03-14 20:07:23 发布
阅读量283 收藏 4
点赞数 2
文章标签： python 深度学习 pytorch 图像处理
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_57238788/article/details/131041948
版权

目录

简要介绍SwinSTFM

环境搭建

数据集设计

Train部分

简要介绍SwinSTFM

        SwinSTFM是一个基于Swin-transformer架构的用于遥感时空融合的模型，主要分为两个板块，一是特征提取模块，可以理解为transfoemer的Encoder模块，二是多级融合模块，可以简单理解为Decoder模块。

 

        如果想看懂原理，建议优先阅读原论文。

环境搭建

        我复现的环境是python3.9 + torch1.13.X环境其余包可以直接安装，值得一提的是pip安装gdal需要进行离线安装，可以使用conda安装gdal进而直接安装rasterio，另外torch安装的时候建议直接进入官方网站复制想要的命令（conda的命令-nvidia会很慢需要等很久）。

        如果你需要保证其原有效果，建议考虑requirement.txt文件，需要注意的是python版本最好在3.6与3.9之间。

数据集设计

        建议使用代码中指出的的数据集样式即命名为年份_天数（是一年中的第几天）_月份加日期命名文件夹，文件夹中.npy数据要以MOD-或者LAN开头，图中是已经改了代码的样式。

         数据集分好之后需要运行generate_data.py文件，这个文件是将训练数据分为多少个patch。

        image_size 改为你数据集的数据的大小

        patch_size 改为你想得到的patch大小

        root_dir 改为数据集的根目录

        train_datas 为数据集中的文件夹名字

        （我没明白那个LGC数据集，换了个自己找的数据集复现的）

Train部分

        train部分需要注意的是train_dir是存放patch的目录

        请注意cur_day那个判断中[149,229,261]这个里面的数字代表天数，请改为数据集中有的数字。

        

        然后将data.py中的10000改为数据集相应的位深，所有有关于10000的数值都需要改为相应位深的数值。

        test.py也做相应处理。

 

大佬带带我ing
关注
  • 2
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
漏洞复现是什么.txt
01-31
漏洞复现
numpy复现lightGBM算法内含数据集
10-16
本压缩包文件"numpy复现lightGBM算法内含数据集"旨在通过Python的numpy库来复现LightGBM的核心功能，帮助理解其工作原理并提供实践操作的机会。 首先，LightGBM的主要特点包括： 1. **叶子权重排序**：传统的GBDT...
SwinSTFM: Remote Sensing SpatiotemporalFusion Using Swin Transformer
Ka_kaen的博客
03-14 796
遥感影像可用于作物生长监测[1]-[3]、土地覆盖变化检测[4]、[5]、土地覆盖类型分类[6]-[8]、生态系统监测[9]等场景[10]、[11]，这些场景需要卫星重访周期短、空间分辨率高。本文的目的是丰富环境特征，更好地探索气候和土壤条件对中药生长质量的影响。这就需要基于高时空分辨率的遥感影像序列提取环境数据，如湿度。虽然最近一些新的卫星系统，如哨兵2号，使时间序列的高分辨率遥感图像更容易获得，但这些图像可能仍然存在诸如频繁的云污染等问题。
34 - Swin-Transformer论文精讲及其PyTorch逐行复现
scar2016的博客
05-14 2140
文章目录1. 两种方法实现Patch_Embedding 1. 两种方法实现Patch_Embedding import torch from torch.nn import functional as F # method_1 : using unfold to achieve the patch_embedding # step_1: unfold the image # step_2: unfold_output@weight def image2embed_naive(image, patch
浅析Swin transformer模型(通俗易懂版)
chenzhiwen1998的博客
07-06 8076
对于最近新出的Swin Transformer的系统学习，包括模型的基本结构、参数介绍、计算过程等详细介绍，全面了解该模型，文中包含相关代码和论文下载连接。
【SwinFusion：通用网络框架 ：Swin Transformer】
weixin_43690932的博客
06-25 2249
仅供自己参考
Swin-Transformer 详解
m0_47005029的博客
03-10 3098
最全的介绍关于Swin-Transformer
numpy复现xgboost算法内含数据集
10-16
本主题将深入探讨如何使用基础的NumPy库来复现XGBoost算法的核心概念，这对于理解其工作原理和进行性能优化非常有帮助。 XGBoost全称为“Extreme Gradient Boosting”，它是在梯度提升框架下实现的一种集成学习方法...
论文复现-深度补全算法
03-10
1、传统深度不全算法复现 2、详细内容可见：https://blog.csdn.net/qq_43627520/article/details/123344654?spm=1001.2014.3001.5502 3、复现代码可直接运行、包含有测试用例、以及验证代码
Transformers in Remote Sensing: A Survey
qq_52302919的博客
09-30 1968
CNN的主要组成部分之一是卷积运算，它捕获输入图像中元素（如轮廓和边缘信息）之间的局部联系。CNN编码偏置，例如空间连接性和平移等方差。这些特征有助于构建通用高效的体系结构。然而，CNN中的局部感受野限制了对图像中长距离依赖关系的建模（例如，远距离部分关系）。此外，卷积与内容无关，因为卷积滤波器权重是稳定的，无论其性质如何，对所有输入应用相同的权重。最近，视觉Transformers（ViTs）在计算机视觉的各种任务中表现出令人印象深刻的性能。
附代码 Swin Transformer
weixin_44543648的博客
12-29 2377
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows 论文解读 参考链接：https://blog.csdn.net/qq_37541097/article/details/121119988?spm=1001.2014.3001.5501 代码链接：https://github.com/microsoft/Swin-Transformer 论文链接：https://arxiv.org/pdf/2103.14030.p
【深度学习】详解 Swin Transformer (SwinT)
热门推荐
闻韶
09-16 8万+
【深度学习】详解 Swin Transformer (SwinT)
【读论文】SwinFusion: Cross-domain Long-range Learning for General Image Fusion via Swin Transformer
就很有趣的博客
02-17 4425
基于swin transformer的图像融合算法。
Swin-Transfromer详细讲解（结合代码和论文）
qq_53396586的博客
12-02 6363
Swin-Transfromer结构论文结合代码的解释。
swin transformer详解
ydmyyh的博客
03-24 3万+
摘要 transformer应用到CV领域的挑战： 1、相对于文本，视觉实体的尺度区别很大，例如车辆和人 2、相对于文本，图像像素的分辨率太大 解决方法：使用层级式的transformer，使用移动窗口 好处： 1、通过限制在窗口内使用自注意力，带来了更高的效率 2、通过移动，使得相邻两个窗口之间有了交互，上下层之间也就有了跨窗口连接，从而变相达到了一种全局建模的效果 3、层级式的结构不仅非常灵活的去建模各个尺度的信息并且计算复杂度随着图像大小线性增长 结论： 因为有了像卷积神经网络一样的分层结构，有了多尺
关于大家对Swin Transformer的魔改论文模型记录（只关注Swin是如何使用的）
qq_45893319的博客
03-07 1万+
A Novel Transformer based Semantic Segmentation Scheme for Fine-Resolution Remote Sensing Images（语义分割任务） Self-Supervised Learning with Swin Transformers（模型简称：MoBY，使用了对比学习） Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation（医疗图像语义分割） Re
SwinIR_Image Restoration Using Swin Transformer论文阅读分享
qq_37937847的博客
08-31 2203
论文连接：https://arxiv.org/abs/2108.10257 Abstract 本篇文章的图像修复指的是从低质量图片恢复到高质量图片（例如超分，去噪，解压缩图片），目前主流先进的图像修复任务都是基于卷积做的，很少有人尝试用transformer做高性能的高级视觉任务。而本篇文章主要就是基于Swin_transformer做的，本方法命名为SwinIR。该方法包含三个部分：浅层特征提取器、深层特征提取器、高质量图像重建模块，针对不同的图像修任务，图像重建模块略有不同。特别的是，深层特征提取器是基
swin-Transformer论文详解
weixin_52185313的博客
06-05 2143
swin-Transformer作为CVPR 21的最佳论文，在几乎所有下游任务都表现地很出色；swin-Transformer的全称是Hierarchical Vision Transformer using Shifted Windows； 核心是怎么采用Hierarchical的方式来应用Transformer，从而是的CV与NLP更好的融合；在VIT那篇论文中，研究团队只是做了VIT用于图像分类的任务，并没有把所有任务都刷过，所以大家还是对Transformer用于CV领域有所担心，而swin-Tr
SwinSTFM: Remote Sensing Spatiotemporal Fusion Using Swin Transformer复现
最新发布
04-04
SwinSTFM是一种用于遥感数据时空融合的方法，基于Swin Transformer模型进行复现。它的核心思想是将遥感数据中的时序信息和空间信息相结合，以提高遥感数据的分析和应用效果。 在SwinSTFM中，首先使用Swin ...
评论 13
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