文件名称：Road-Feature-extraction-from-Satellite-Imagery
文件大小：48.26MB
文件格式：ZIP
更新时间：2024-05-13 03:36:25
JupyterNotebook
卫星影像的道路特征提取 为了从卫星图像中提取道路特征，研究了以下方法 数据分析。 1024个训练图像中有301个标签缺失，因此训练数据分为火车/ val和未标记数据。 进行了文献调查以评估不同的模型。DLinknet被认为是路面提取的一个很好的模型。 DLinknet和Efficinet Unetb4适用于此实验。 在训练D4增强时，使用了更多的增强技术。 骰子损失和二元交叉熵损失用于训练。 Iou得分，Precision，召回率和F1得分用于模型评估。 Adam优化器和CosineAnnealingWarm重新启动调度程序 未标记数据的伪标记用于培训 要求 -pytorch -requirement.txt- 。 -。 。 。 -。 结果 伪标签 评估 Evaluation.csv 去做 贸易协定 SWA 基于图块的处理 焦点损失/ Lovasz损失
【文件预览】：
Road-Feature-extraction-from-Satellite-Imagery-main
----README.md(1KB)
----Dlinknet_pytorch.ipynb(58.51MB)
----Evaluation.csv(632B)
----Output.PNG(3.03MB)
----PseudoLabelled.PNG(1.22MB)