AConvNet是一个基于卷积神经网络的目标分类模型,旨在实现论文《Target Classification Using the Deep Convolutional Networks for SAR Images》中描述的算法。该项目提供了用于训练和测试AConvNet模型的代码,并包含了模型的超参数设置。
git clone https://github.com/Iamairs/AConvNet.git
cd AConvNet
pip install -r requirements.txt
- 下载数据集dataset.zip文件。
- 解压文件后,在raw目录下可以找到train和test目录。
- 将这两个目录(train和test)放置在data/soc/raw目录下。
cd src/datasets/raw_data
python data_entry.py --mode=train
python data_entry.py --mode=test
cd ../../
python train.py
你可以通过 --help
选项查看更多可用参数的说明。
python test.py
你可以通过 --help
选项查看更多可用参数的说明。
AConvNet/
│
├── data/
│ ├── soc/
│
├── notebook/
│ ├── experiment-soc.py
│
├── outputs/
│ ├── checkpoints/
│ ├── images/
│ ├── logs/
│
├── src/
│ ├── datasets/
│ │ ├── processed_data/
│ │ │ ├── data_loader.py
│ │ │ ├── dataset.py
│ │ ├── raw_data/
│ │ │ ├── data_entry.py
│ │ │ ├── mstar.py
│ ├── model/
│ │ ├── _base.py
│ │ ├── _block.py
│ │ ├── network.py
│ ├── utils/
│ │ ├── general.py
│ │ ├── metrics.py
│ ├── options.py
│ ├── test.py
│ ├── train.py
├── README.md
└── requirements.txt