文件名称：Road_extraction：注意Unet和Deep Unet实现，用于道路提取多gpu张量流
文件大小：16.51MB
文件格式：ZIP
更新时间：2024-03-11 09:16:42
JupyterNotebook
Road_extraction 使用多GPU模型张量流的Attention Unet和Deep Unet实现道路提取 Deep U-Net的多种变体已经过额外的层和额外的卷积测试。 尽管如此，优于所有人的模型是Attention U-Net：学习在哪里寻找胰腺。 我添加了一个额外的调整来提高性能，将卷积块切换为残差块 TensorFlow分割 TF细分模型，U-Net，Attention Unet，Deep U-Net（U-Net的所有变体） 使用神经网络（NN）进行图像分割，旨在从遥感影像中提取道路网络，它可用于其他应用中，标记图像中的每个像素（语义分割） 可以在以下论文中找到详细信息： 注意U-Net附加模块 要求 Python 3.6 CUDA 10.0 TensorFlow 1.9 Keras 2.0 模组 utils.py和helper.py函数用于预处理数据并保存。
【文件预览】：
Road_extraction-master
----helpers.py(4KB)
----models()
--------functions.py(5KB)
--------deepUnet.py(3KB)
--------AUnet.py(3KB)
--------Unet.pyc(4KB)
--------UNet.pyc(3KB)
--------functions.pyc(6KB)
--------deepUnet3.py(3KB)
--------deepUnet2.py(3KB)
--------UNet2.pyc(6KB)
--------deepUnet.pyc(3KB)
--------deepUnet2.pyc(3KB)
--------Encoder_Decoder.pyc(4KB)
--------__pycache__()
--------Unet.py(4KB)
--------UNet2.py(6KB)
--------deepUnet3.pyc(3KB)
--------deep.pyc(4KB)
--------AUnet.pyc(3KB)
--------Encoder_Decoder.py(4KB)
--------deep.py(5KB)
----mainGPU.py(29KB)
----utils_.py(12KB)
----demo.ipynb(21.78MB)
----README.md(3KB)