whitepig27 / satellite_seg

CCF BCDI2017 卫星影像的AI分类与识别

CCF BCDI2017 卫星影像的AI分类与识别 线上Top1部分代码

运行环境

python版本：python2.7

依赖库：pytorch,torchvision,visdom，pydensecrf...

0.Overview

• DenseNet121为基础网络，PSPNet作为分割的模型，多尺度训练/测试，CRF后处理等

• 训练数据集：

  • 初赛训练数据s1
  • 复赛训练数据s2
  • 初赛训练数据+复赛训练数据 s1s2
  • 初赛训练数据+CRF处理复赛训练数据（是s1s2-crf2）

• 主要尝试的模型:

  • 训练数据集s1s2 (pspnet-densenet-s1s2)
  • 训练数据集s1s2-crf2 (pspnet-densenet-s1s2-crf2)
  • 不同网络输入尺度 (pspnet-densenet-s1s2-320)
  • focal loss (pspnet-densenet-s1s2-crf2-fl)
  • 类别加权训练 (pspnet-densenet-s1s2-crf2-weight)

1.数据预处理

• 数据下载 password：al0x
• 将训练数据放入工程目录下dataset/CCF-training和dataset/CCF-traing-Semi下 测试数据dataset/CCF-testing-Semi, 修改utils/preprocess.py中的工程目录 ProjectDir
• 执行 ./preprocess.sh (可能时间比较久...）

2.训练

run_train.sh 根据Overview里面的模型设置，更改train_dir选择对应的训练数据和model_name设置训练的模型

• pspnet-densenet-s1s2-320,更改--image_rows 和 --img_cols 为320
• 在run_train.sh，除了pspnet-densenet-s1s2-crf2-fl调用 train-fl.py, 其它模型用train.py
• 对于pspnet-densenet-s1s2-crf2-weight,更改train.py中的weights_per_class 为[0,1,1,3,3]，默认[0,1,1,1,1]

3.测试 & Vote

• run_test.sh 更改model_name选择对应的模型测试
• run_vote.sh 更改model_name,对同一模型的不同epoch测试结果进行投票，得到该单模型结果
• ./submit.sh 每个模型的测试目录 use_crf（e.g. ./submit.sh results/pspnet-densenet-s1s2-crf2/vote 1）