使用Keras基于RCNN类模型的卫星/遥感地图图像语义分割
遥感数据集
1. UC Merced Land-Use Data Set 图像像素大小为256*256，总包含21类场景图像，每一类有100张，共2100张。 http://weegee.vision.ucmerced.edu/datasets/landuse.html2. WHU-RS19 Data Set 图像像素大小为600*600，总包含19类场景图像，每一类大概50张，共1005张。 https://download.csdn.net/download/u010656161/10153410 3. SIRI-WHU Data Set 图像像素大小为200*200，总包含12类场景图像，每一类有200张，共2400张。 4. RSSCN7 Data Set 图像像素大小为400*400，总包含7类场景图像，每一类有400张，共2800张。 5. RSC11 Data Set 图像像素大小为512*512，总包含11类场景图像，每一类大概100张，共1232张。 6. NWPU-RESISC45 Data Set http://www.escience.cn/people/JunweiHan/NWPU-RESISC45.html 7. Road and Building Detection Data Set https://www.cs.toronto.edu/~vmnih/data/ 8. DOTA: A Large-scale Dataset for Object Detection in Aerial Images http://captain.whu.edu.cn/DOTAweb/index.html 9. DeepGlobe卫星图像地表解析(道路提取、建筑物检测、地标分类)挑战赛 http://deepglobe.org/challenge.html
CVPR 2018挑战赛
网址：http://deepglobe.org/leaderboard.html
基于深度学习的影像地图道路提取
网络结构：D-LinkNet - LinkNet with Pretrained Encoder and Dilated Convolution for HighResolution Satellite Imagery Road Extraction
与Linknet的区别：增加了下图中的B部分，即扩张卷积层，通过多个卷积层信息的叠加，可以最大化地增大感受视野范围，同时利用ResNet34来替换掉18。
预测：由于实验需要的图片需要长与宽一致，因此在谷歌地图上找了256*256（论文声称支持1024*1024）的瓦片来进行实验，发现必须找到16级以上的瓦片才可以实现检测，可能训练数据集中需要道路的宽度具有一定的长度才可以。
基于SegNet和U-Net的遥感图像语义分割
Blog：https://blog.csdn.net/real_myth/article/details/79432456
GitHub：https://github.com/AstarLight/Satellite-Segmentation（Satellite_Image_Segmentation_BY_SegNet_UNet）
步骤：
- Segmented by SegNet
- Segmented by U-Net
- Model Emsamble：SegNet + U-Net
数据集
数据下载：https://pan.baidu.com/s/1i6oMukH（密码：yqj2）| https://pan.baidu.com/s/1FwHkvp2esvhyOx1eSZfkog（密码：fqnw)
|-test 测试图片 |-train SegNet训练集 |----label 标记图 |----src 遥感图 |-unet_buildings UNet训练集 |----label 标记图 |----src 遥感图
数据集来自CCF大数据比赛提供的数据(2015年中国南方某城市的高清遥感图像)，是小数据集，里面包含了5张带标注的大尺寸RGB遥感图像(尺寸范围从3000×3000到6000×6000)
里面一共标注了4类物体：植被(标记1)、建筑(标记2)、水体(标记3)、道路(标记4)以及其他(标记0)。其中，耕地、林地、草地均归为植被类。更多数据介绍可以参看这里(https://www.datafountain.cn/#/competitions/270/data-intro)
训练图片及其标记图片可视化后的效果如下：蓝色-水体，黄色-房屋，绿色-植被，棕色-马路
问题：Label可视化 - 原始数据集里的训练集图片采用十六位的，图片浏览器显示全黑（一般图片浏览器无法显示16位图）
解决： 将深度16位的图片转为8位（比如，Matlab下：im2 = uint8(im1))
数据处理
原始图像：5张大尺寸的遥感图像(尺寸各不相同)
随机切割：随机生成x,y坐标，然后抠出该坐标下256*256的小图
# 执行切割 - UNet训练集 python ./unet/gen_dataset.py
数据增强(Keras自带的数据增广函数/)：
- 原图和label图都需要旋转：90度、180度、270度
- 原图和label图都需要做沿y轴的镜像操作
- 原图做模糊操作
- 原图做光照调整操作
- 原图做增加噪声操作(高斯噪声、椒盐噪声)
# OpenCV编写的相应的增强函数img_w = 256
img_h = 256 image_sets = ['1.png','2.png','3.png','4.png','5.png']def gamma_transform(img, gamma):gamma_table = [np.power(x / 255.0, gamma) * 255.0 for x in range(256)]gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)return cv2.LUT(img, gamma_table)def random_gamma_transform(img, gamma_vari):log_gamma_vari = np.log(gamma_vari)alpha = np.random.uniform(-log_gamma_vari, log_gamma_vari)gamma = np.exp(alpha)return gamma_transform(img, gamma)def rotate(xb,yb,angle):M_rotate = cv2.getRotationMatrix2D((img_w/2, img_h/2), angle, 1)xb = cv2.warpAffine(xb, M_rotate, (img_w, img_h))yb = cv2.warpAffine(yb, M_rotate, (img_w, img_h))return xb,ybdef blur(img):img = cv2.blur(img, (3, 3));return imgdef add_noise(img):for i in range(200): #添加点噪声temp_x = np.random.randint(0,img.shape[0])temp_y = np.random.randint(0,img.shape[1])img[temp_x][temp_y] = 255return imgdef data_augment(xb,yb):if np.random.random() < 0.25:xb,yb = rotate(xb,yb,90)if np.random.random() < 0.25:xb,yb = rotate(xb,yb,180)if np.random.random() < 0.25:xb,yb = rotate(xb,yb,270)if np.random.random() < 0.25:xb = cv2.flip(xb, 1) # flipcode>0：沿y轴翻转yb = cv2.flip(yb, 1)if np.random.random() < 0.25:xb = random_gamma_transform(xb,1.0)if np.random.random() < 0.25:xb = blur(xb)if np.random.random() < 0.2:xb = add_noise(xb)return xb,ybdef creat_dataset(image_num = 100000, mode = 'original'):print('creating dataset...')image_each = image_num / len(image_sets)g_count = 0for i in tqdm(range(len(image_sets))):count = 0src_img = cv2.imread('./data/src/' + image_sets[i]) # 3 channelslabel_img = cv2.imread('./data/label/' + image_sets[i],cv2.IMREAD_GRAYSCALE) # single channelX_height,X_width,_ = src_img.shapewhile count < image_each:random_width = random.randint(0, X_width - img_w - 1)random_height = random.randint(0, X_height - img_h - 1)src_roi = src_img[random_height: random_height + img_h, random_width: random_width + img_w,:]label_roi = label_img[random_height: random_height + img_h, random_width: random_width + img_w]if mode == 'augment':src_roi,label_roi = data_augment(src_roi,label_roi)visualize = np.zeros((256,256)).astype(np.uint8)visualize = label_roi *50cv2.imwrite(('./aug/train/visualize/%d.png' % g_count),visualize)cv2.imwrite(('./aug/train/src/%d.png' % g_count),src_roi)cv2.imwrite(('./aug/train/label/%d.png' % g_count),label_roi)count += 1 g_count += 1经过以上数据增强操作后，可得到了较大的训练集：100000张256*256的图片
卷积神经网络模型训练
图像语义分割任务-模型选择：FCN、U-Net、SegNet、DeepLab、RefineNet、Mask Rcnn、Hed Net
SegNet - 网络结构清晰易懂，训练快
# 执行训练 - 修改filepath为segnet训练集路径 python segnet_train.py --model segnet.h5 # --model后指定保存的模型名
网络结构定义：编码器-解码器（做语义分割时通常在末端加入CRF模块做后处理，旨在进一步精修边缘的分割结果）
def SegNet(): model = Sequential() #encoder model.add(Conv2D(64,(3,3),strides=(1,1),input_shape=(3,img_w,img_h),padding='same',activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(64,(3,3),strides=(1,1),padding='same',activation='relu')) model.add(BatchNormalization()) model.add(MaxPooling2D(pool_size=(2,2))) #(128,128) model.add(Conv2D(128, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(128, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(MaxPooling2D(pool_size=(2, 2))) #(64,64) model.add(Conv2D(256, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(256, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(256, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(MaxPooling2D(pool_size=(2, 2))) #(32,32) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(MaxPooling2D(pool_size=(2, 2))) #(16,16) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(MaxPooling2D(pool_size=(2, 2))) #(8,8) #decoder model.add(UpSampling2D(size=(2,2))) #(16,16) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(UpSampling2D(size=(2, 2))) #(32,32) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(512, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(UpSampling2D(size=(2, 2))) #(64,64) model.add(Conv2D(256, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(256, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(256, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(UpSampling2D(size=(2, 2))) #(128,128) model.add(Conv2D(128, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(128, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(UpSampling2D(size=(2, 2))) #(256,256) model.add(Conv2D(64, (3, 3), strides=(1, 1), input_shape=(3,img_w, img_h), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(64, (3, 3), strides=(1, 1), padding='same', activation='relu')) model.add(BatchNormalization()) model.add(Conv2D(n_label, (1, 1), strides=(1, 1), padding='same')) model.add(Reshape((n_label,img_w*img_h))) #axis=1和axis=2互换位置，等同于np.swapaxes(layer,1,2) model.add(Permute((2,1))) model.add(Activation('softmax')) model.compile(loss='categorical_crossentropy',optimizer='sgd',metrics=['accuracy']) model.summary() return model 划分数据集：读入数据集，选择的验证集大小是训练集的0.25
def get_train_val(val_rate = 0.25):train_url = [] train_set = []val_set = []for pic in os.listdir(filepath + 'src'):train_url.append(pic)random.shuffle(train_url)total_num = len(train_url)val_num = int(val_rate * total_num)for i in range(len(train_url)):if i < val_num:val_set.append(train_url[i]) else:train_set.append(train_url[i])return train_set,val_set# data for training
def generateData(batch_size,data=[]): #print 'generateData...'while True: train_data = [] train_label = [] batch = 0 for i in (range(len(data))): url = data[i]batch += 1 #print (filepath + 'src/' + url)#img = load_img(filepath + 'src/' + url, target_size=(img_w, img_h)) img = load_img(filepath + 'src/' + url)img = img_to_array(img) # print img# print img.shape
train_data.append(img) #label = load_img(filepath + 'label/' + url, target_size=(img_w, img_h),grayscale=True)label = load_img(filepath + 'label/' + url, grayscale=True)label = img_to_array(label).reshape((img_w * img_h,)) # print label.shape
train_label.append(label) if batch % batch_size==0: #print 'get enough bacth!\n'train_data = np.array(train_data) train_label = np.array(train_label).flatten() train_label = labelencoder.transform(train_label) train_label = to_categorical(train_label, num_classes=n_label) train_label = train_label.reshape((batch_size,img_w * img_h,n_label)) yield (train_data,train_label) train_data = [] train_label = [] batch = 0 # data for validation
def generateValidData(batch_size,data=[]): #print 'generateValidData...'while True: valid_data = [] valid_label = [] batch = 0 for i in (range(len(data))): url = data[i]batch += 1 #img = load_img(filepath + 'src/' + url, target_size=(img_w, img_h))img = load_img(filepath + 'src/' + url)#print img#print (filepath + 'src/' + url)img = img_to_array(img) # print img.shape
valid_data.append(img) #label = load_img(filepath + 'label/' + url, target_size=(img_w, img_h),grayscale=True)label = load_img(filepath + 'label/' + url, grayscale=True)label = img_to_array(label).reshape((img_w * img_h,)) # print label.shape
valid_label.append(label) if batch % batch_size==0: valid_data = np.array(valid_data) valid_label = np.array(valid_label).flatten() valid_label = labelencoder.transform(valid_label) valid_label = to_categorical(valid_label, num_classes=n_label) valid_label = valid_label.reshape((batch_size,img_w * img_h,n_label)) yield (valid_data,valid_label) valid_data = [] valid_label = [] batch = 0训练： batch size定为16，epoch定为30，每次都存储最佳model(save_best_only=True)，并且在训练结束时绘制loss/acc曲线，并存储起来
def train(args): EPOCHS = 30BS = 16model = SegNet() modelcheck = ModelCheckpoint(args['model'],monitor='val_acc',save_best_only=True,mode='max') callable = [modelcheck] train_set,val_set = get_train_val()train_numb = len(train_set) valid_numb = len(val_set) print ("the number of train data is",train_numb) print ("the number of val data is",valid_numb)H = model.fit_generator(generator=generateData(BS,train_set),steps_per_epoch=train_numb//BS,epochs=EPOCHS,verbose=1, validation_data=generateValidData(BS,val_set),validation_steps=valid_numb//BS,callbacks=callable,max_q_size=1) # plot the training loss and accuracyplt.style.use("ggplot")plt.figure()N = EPOCHSplt.plot(np.arange(0, N), H.history["loss"], label="train_loss")plt.plot(np.arange(0, N), H.history["val_loss"], label="val_loss")plt.plot(np.arange(0, N), H.history["acc"], label="train_acc")plt.plot(np.arange(0, N), H.history["val_acc"], label="val_acc")plt.title("Training Loss and Accuracy on SegNet Satellite Seg")plt.xlabel("Epoch #")plt.ylabel("Loss/Accuracy")plt.legend(loc="lower left")plt.savefig(args["plot"])
预测 - 预测整张遥感图像：1）训练模型时选择的图片输入是256×256，所以预测时也要采用256×256的图片尺寸送进模型预测；2）将预测好的小图重新拼接成一个大图 - 先给大图做padding 0操作，得到一副padding过的大图，同时我们也生成一个与该图一样大的全0图A，把图像的尺寸补齐为256的倍数，然后以256为步长切割大图，依次将小图送进模型预测，预测好的小图则放在A的相应位置上，依次进行，最终得到预测好的整张大图（即A），再做图像切割，切割成原先图片的尺寸，完成整个预测流程
# 执行预测 - 修改待预测的图片的路径 python segnet_predict.py
def predict(args):# load the trained convolutional neural networkprint("[INFO] loading network...")model = load_model(args["model"])stride = args['stride']for n in range(len(TEST_SET)):path = TEST_SET[n]#load the imageimage = cv2.imread('./test/' + path)# pre-process the image for classification#image = image.astype("float") / 255.0#image = img_to_array(image)h,w,_ = image.shapepadding_h = (h//stride + 1) * stride padding_w = (w//stride + 1) * stridepadding_img = np.zeros((padding_h,padding_w,3),dtype=np.uint8)padding_img[0:h,0:w,:] = image[:,:,:]padding_img = padding_img.astype("float") / 255.0padding_img = img_to_array(padding_img)print 'src:',padding_img.shapemask_whole = np.zeros((padding_h,padding_w),dtype=np.uint8)for i in range(padding_h//stride):for j in range(padding_w//stride):crop = padding_img[:3,i*stride:i*stride+image_size,j*stride:j*stride+image_size]_,ch,cw = crop.shapeif ch != 256 or cw != 256:print 'invalid size!'continuecrop = np.expand_dims(crop, axis=0)#print 'crop:',crop.shapepred = model.predict_classes(crop,verbose=2) pred = labelencoder.inverse_transform(pred[0]) #print (np.unique(pred)) pred = pred.reshape((256,256)).astype(np.uint8)#print 'pred:',pred.shapemask_whole[i*stride:i*stride+image_size,j*stride:j*stride+image_size] = pred[:,:]cv2.imwrite('./predict/pre'+str(n+1)+'.png',mask_whole[0:h,0:w])预测效果图：
问题：预测图Mask-Label可视化 - 每类物体对应的标签的值都是1到5，都接近黑色
解决： https://github.com/AstarLight/Satellite-Segmentation/blob/master/draw_lables.cpp
import cv2
import numpy as npALL = 0
VEGETATION = 1
ROAD = 4
BUILDING = 2
WATER = 3TEST_SET = ['1.png','2.png','3.png']
Mask_Set = ['pre1.png','pre2.png','pre3.png']for n in range(len(TEST_SET)):print(n)path = TEST_SET[n]mask_path = Mask_Set[n]src = cv2.imread('../data/remote_sensing_image/test/' + path)mask = cv2.imread('./predict/'+mask_path)print(np.shape(mask))h,w,_ = src.shapefor i in range(0, h):for j in range(0, w):if (mask[i, j, 0] == VEGETATION):src[i, j, 0] = 159src[i, j, 1] = 255src[i, j, 2] = 84if (mask[i, j, 0] == ROAD):src[i, j, 0] = 38src[i, j, 1] = 71src[i, j, 2] = 139if (mask[i, j, 0] == BUILDING):src[i, j, 0] = 34src[i, j, 1] = 180src[i, j, 2] = 238if (mask[i, j, 0] == WATER):src[i, j, 0] = 255src[i, j, 1] = 191src[i, j, 2] = 0cv2.imwrite('./predict/stack' + str(n + 1) + '.png', src)问题：拼接痕迹过于明显
解决：缩小切割时的滑动步伐，比如把切割步伐改为128，那么拼接时就会有一半的图像发生重叠，这样做可以尽可能地减少拼接痕迹
U-Net - 小数据集也能训练出好的模型，训练快
# 执行训练 python unet_train.py --model unet_buildings20.h5 --data ./unet_train/buildings/ # --data后指定UNet训练集路径
网络结构定义：整个呈现U形，故起名U-Net
1）四类物体 - 多分类模型 - 直接4分类
2）每一类物体 - 二分类模型 - 得到4张预测图，再做预测图叠加，合并成一张完整的包含4类的预测图（loss function = binary_crossentropy 训练二分类模型）
def unet():inputs = Input((3, img_w, img_h))conv1 = Conv2D(32, (3, 3), activation="relu", padding="same")(inputs)conv1 = Conv2D(32, (3, 3), activation="relu", padding="same")(conv1)pool1 = MaxPooling2D(pool_size=(2, 2))(conv1)conv2 = Conv2D(64, (3, 3), activation="relu", padding="same")(pool1)conv2 = Conv2D(64, (3, 3), activation="relu", padding="same")(conv2)pool2 = MaxPooling2D(pool_size=(2, 2))(conv2)conv3 = Conv2D(128, (3, 3), activation="relu", padding="same")(pool2)conv3 = Conv2D(128, (3, 3), activation="relu", padding="same")(conv3)pool3 = MaxPooling2D(pool_size=(2, 2))(conv3)conv4 = Conv2D(256, (3, 3), activation="relu", padding="same")(pool3)conv4 = Conv2D(256, (3, 3), activation="relu", padding="same")(conv4)pool4 = MaxPooling2D(pool_size=(2, 2))(conv4)conv5 = Conv2D(512, (3, 3), activation="relu", padding="same")(pool4)conv5 = Conv2D(512, (3, 3), activation="relu", padding="same")(conv5)up6 = concatenate([UpSampling2D(size=(2, 2))(conv5), conv4], axis=1)conv6 = Conv2D(256, (3, 3), activation="relu", padding="same")(up6)conv6 = Conv2D(256, (3, 3), activation="relu", padding="same")(conv6)up7 = concatenate([UpSampling2D(size=(2, 2))(conv6), conv3], axis=1)conv7 = Conv2D(128, (3, 3), activation="relu", padding="same")(up7)conv7 = Conv2D(128, (3, 3), activation="relu", padding="same")(conv7)up8 = concatenate([UpSampling2D(size=(2, 2))(conv7), conv2], axis=1)conv8 = Conv2D(64, (3, 3), activation="relu", padding="same")(up8)conv8 = Conv2D(64, (3, 3), activation="relu", padding="same")(conv8)up9 = concatenate([UpSampling2D(size=(2, 2))(conv8), conv1], axis=1)conv9 = Conv2D(32, (3, 3), activation="relu", padding="same")(up9)conv9 = Conv2D(32, (3, 3), activation="relu", padding="same")(conv9)conv10 = Conv2D(n_label, (1, 1), activation="sigmoid")(conv9)#conv10 = Conv2D(n_label, (1, 1), activation="softmax")(conv9) model = Model(inputs=inputs, outputs=conv10)model.compile(optimizer='Adam', loss='binary_crossentropy', metrics=['accuracy'])return model
划分数据集：读取数据
# data for training
def generateData(batch_size,data=[]): #print 'generateData...'while True: train_data = [] train_label = [] batch = 0 for i in (range(len(data))): url = data[i]batch += 1 img = load_img(filepath + 'src/' + url)img = img_to_array(img) train_data.append(img) label = load_img(filepath + 'label/' + url, grayscale=True) label = img_to_array(label)#print label.shape
train_label.append(label) if batch % batch_size==0: #print 'get enough bacth!\n'train_data = np.array(train_data) train_label = np.array(train_label) yield (train_data,train_label) train_data = [] train_label = [] batch = 0 # data for validation
def generateValidData(batch_size,data=[]): #print 'generateValidData...'while True: valid_data = [] valid_label = [] batch = 0 for i in (range(len(data))): url = data[i]batch += 1 img = load_img(filepath + 'src/' + url)#print imgimg = img_to_array(img) # print img.shape
valid_data.append(img) label = load_img(filepath + 'label/' + url, grayscale=True)valid_label.append(label) if batch % batch_size==0: valid_data = np.array(valid_data) valid_label = np.array(valid_label) yield (valid_data,valid_label) valid_data = [] valid_label = [] batch = 0 训练：指定输出model名字和训练集位置
python unet.py --model unet_buildings20.h5 --data ./unet_train/buildings/
预测 - 预测单张遥感图像：分别使用4个模型做预测，得到4张mask（比如下图是用训练好的buildings模型预测的结果），再将4张mask合并成1张 - 通过观察每一类的预测结果，根据不同类物体的预测准确率，给4类mask图排优先级（building>water>road>vegetation），当遇到一个像素点，4个mask图都说是属于自己类别的标签时，就可以根据先前定义好的优先级，把该像素的标签定为优先级最高的标签
# 执行预测 python unet_predict.py
def combind_all_mask():for mask_num in tqdm(range(3)):if mask_num == 0:final_mask = np.zeros((5142,5664),np.uint8)#生成一个全黑全0图像,图片尺寸与原图相同elif mask_num == 1:final_mask = np.zeros((2470,4011),np.uint8)elif mask_num == 2:final_mask = np.zeros((6116,3356),np.uint8)#final_mask = cv2.imread('final_1_8bits_predict.png',0)if mask_num == 0:mask_pool = mask1_poolelif mask_num == 1:mask_pool = mask2_poolelif mask_num == 2:mask_pool = mask3_poolfinal_name = img_sets[mask_num]for idx,name in enumerate(mask_pool):img = cv2.imread('./predict_mask/'+name,0)height,width = img.shapelabel_value = idx+1 #coressponding labels valuefor i in tqdm(range(height)): #priority:building>water>road>vegetationfor j in range(width):if img[i,j] == 255:if label_value == 2:final_mask[i,j] = label_valueelif label_value == 3 and final_mask[i,j] != 2:final_mask[i,j] = label_valueelif label_value == 4 and final_mask[i,j] != 2 and final_mask[i,j] != 3:final_mask[i,j] = label_valueelif label_value == 1 and final_mask[i,j] == 0:final_mask[i,j] = label_valuecv2.imwrite('./final_result/'+final_name,final_mask) print 'combinding mask...'
combind_all_mask() 模型融合
集成学习：两个模型 + 模型采取不同参数训练 - 得到很多预测MASK图 - 对每张结果图的每个像素点采取投票表决
少数服从多数的投票表决：对每张图相应位置的像素点的类别进行预测，票数最多的类别即为该像素点的类别 - 可以很好地去掉一些明显分类错误的像素点，很大程度上改善模型的预测能力
import numpy as np
import cv2
import argparseRESULT_PREFIXX = ['./result1/','./result2/','./result3/']# each mask has 5 classes: 0~4def vote_per_image(image_id):result_list = []for j in range(len(RESULT_PREFIXX)):im = cv2.imread(RESULT_PREFIXX[j]+str(image_id)+'.png',0)result_list.append(im)# each pixelheight,width = result_list[0].shapevote_mask = np.zeros((height,width))for h in range(height):for w in range(width):record = np.zeros((1,5))for n in range(len(result_list)):mask = result_list[n]pixel = mask[h,w]#print('pix:',pixel)record[0,pixel]+=1label = record.argmax()#print(label)vote_mask[h,w] = labelcv2.imwrite('vote_mask'+str(image_id)+'.png',vote_mask)vote_per_image(3)模型融合后的预测结果
额外的思路
1、GAN - Image-to-Image Translation with Conditional Adversarial Nets （pix2pix: generate some fake satellite images to enlarge the dataset）
针对数据集小的问题：使用生成对抗网络生成虚假的卫星地图(用标注好的卫星地图生成虚假的卫星地图) - 进一步扩大数据集 - 使用这些虚假+真实的数据集训练网络 - 网络的泛化能力将有更大的提升
问题：由于标注得不好，生成的虚假卫星地图质量不好（如下右图）
2、DeepLab
3、Mask RCNN
4、FCN
5、RefineNet
6、Post-Processing: CRF
基于ResNet+U-Net和Mask-R-CNN的卫星地图建筑物分割
地图图像识别的目标
在卫星图片上标注出建筑物轮廓：该分割目标与其它大型比赛（如微软的COCO Challenge、谷歌的Google AI Open Images比赛）相比，物体类别单一，且图片质量均匀
数据集
如图所示，是一组人工标注完善的卫星图片，其Mask和建筑物匹配度高，该图来自Crowdai上的比赛Mapping Challenge
地图图像识别数据集准备
生成训练样本
训练数据来源：都不是人工直接标注出的卫星图像，而是有一个由人工打上地理标记的图层文件(shapefile格式 - GIS领域的标准数据格式)以及从Google Map上抓取到的对应地区的卫星图片
构建训练数据：将图层文件中的标记(经纬度坐标)映射到Google Map卫星图片上(以图片左上角为原点，向右为X轴，向下为Y轴)
方法：Google Map JavaScript API的转换方式（用Python语言重写实现）
标注数据的格式
生成的数据集都是COCO风格的标注数据（COCO标注数据的具体规范可以参考https://github.com/cocodataset/cocoapi这个Github repo里的示例代码，在Windows安装Pycocotools的话可以参考https://github.com/philferriere/cocoapi)
问题：目前生成的训练数据中，标注与真实房屋的位置，很多图像上有大约10-20个像素的偏差(图片大小300 x 300)，也有不少标注大于房屋实际面积的情况。甚至存在标注面积实际为房屋面积的2倍以上，这将导致如果精准分割出房屋，使用IoU>0.5作为阈值过滤掉不合格预测结果，再计算准确率的话，很多实际上完美分割的结果，会被认为是无效的。如图（红色边框较蓝色房屋，大小相似，但是位置偏移；黄色边框将绿色的建筑物全部囊括，但是面积要大很多，此时如果完美分割绿色建筑物，IoU很可能由于小于0.5而无效）：
深度神经网络模型
ResNet+U-Net
Crowdai上举办了Open Map Challenge，其所解决的问题和这个问题相近，排名第一的队伍是Neptume.ml公司（其Github Repo地址：https://github.com/neptune-ml/open-solution-mapping-challenge）
其所使用的模型是ResNet 101和U-Net的组合，使用预训练的ResNet101对图像进行特征提取，再使用U-Net进行图像分割
模型的损失函数由两部分组成：loss = binary_cross_entropy * weight1 + dice_loss * weight2
其中，Binary Cross Entropy是计算预测值与实际标注每一个像素的异同，Dice Loss是用IoU的思想计算预测值与实际标注的偏差，两种Loss值的权重是需要人为设定的超参数，根据Github中的描述，模型训练前期，需要更多考虑Binary Cross Entropy损失值
Mask-R-CNN
比赛的主办方，给出的Baselline模型是Mask-R-CNN模型（Github：https://github.com/crowdAI/crowdai-mapping-challenge-mask-rcnn）
相较比赛第一名使用的RestNet+U-Net的方式，Mask-R-CNN模型太重型，这个模型一般用于解决复杂场景下的图像分类、物体检测和语义分割问题
问题：生成的训练集质量较低，导致肉眼评估模型，觉得模型表现尚可，但是使用程序比较预测结果的查全率/查准率(IoU >= 0.5)，结果很差
转载于:https://www.cnblogs.com/YSPXIZHEN/p/11287485.html
使用Keras基于RCNN类模型的卫星/遥感地图图像语义分割相关推荐
- 基于深度学习的青菜病害区域图像语义分割与定位
基于深度学习的青菜病害区域图像语义分割与定位 1.研究思路 提出了一种基于深度学习的青菜灾害区域图像语义分割的方法,通过 fine-tune FCN 以像素级精度分割出图像中作物灾害区进行识别,并借助 ...
- 笔记：基于DCNN的图像语义分割综述
写在前面:一篇魏云超博士的综述论文,完整题目为<基于DCNN的图像语义分割综述>,在这里选择性摘抄和理解,以加深自己印象,同时达到对近年来图像语义分割历史学习和了解的目的,博古才能通今!感 ...
- 毕业设计-基于卷积神经网络的遥感图像语义分割方法
目录 前言 课题背景和意义 实现技术思路 一.相关技术理论 二.基于残差融合和多尺度上下文信息的遥感图像语义分割方法 三.基于注意力机制和边缘检测的遥感图像语义分割方法 实现效果图样例 最后 前言
- 【Keras】基于SegNet和U-Net的遥感图像语义分割
from:[Keras]基于SegNet和U-Net的遥感图像语义分割 上两个月参加了个比赛,做的是对遥感高清图像做语义分割,美其名曰"天空之眼".这两周数据挖掘课期末projec ...
- Keras】基于SegNet和U-Net的遥感图像语义分割
from:[Keras]基于SegNet和U-Net的遥感图像语义分割 上两个月参加了个比赛,做的是对遥感高清图像做语义分割,美其名曰"天空之眼".这两周数据挖掘课期末projec ...
- 图像语义分割模型综述
文章目录 一.语义分割介绍 二.语义分割的思路 空洞卷积 条件随机场 三.经典语义分割算法介绍 1.FCN 2.UNet Family (1)UNet (2)Attention U-Net (3)UN ...
- 基于深度学习的图像语义分割技术概述之背景与深度网络架构
本文为论文阅读笔记,不当之处,敬请指正. A Review on Deep Learning Techniques Applied to Semantic Segmentation: 原文链接 摘要 ...
- 深度学习-Tensorflow2.2-图像处理{10}-UNET图像语义分割模型-24
UNET图像语义分割模型简介 代码 import tensorflow as tf import matplotlib.pyplot as plt %matplotlib inline import ...
- Pytorch：图像语义分割-基于VGG19的FCN8s实现
Pytorch: 图像语义分割-基于VGG19的FCN8s语义分割网络实现 Copyright: Jingmin Wei, Pattern Recognition and Intelligent Sy ...
- 学习笔记-基于全局和局部对比自监督学习的高分辨率遥感图像语义分割-day2
高分辨率遥感图像语义分割-day2 摘要 一.引言 二.方法 2.1 对比学习 2.2 全局风格与局部匹配对比学习网络(GLCNet) 2.2.1 全局风格对比学习模块: 2.2.2局部匹配对比学习: ...
最新文章
- Android定位方式和测试方法
- 什么是整洁的代码？什么是肮脏的代码？
- springMVC和Shiro框架整合使用简单示例 【转】
- web前端 react与vue 流行框架的比较
- 提高网站访问速度的34条军规(2)
- 【python记录】使用ip摄像头 vlc打开rtsp服务 python远程调用摄像头记录过程
- [学习] FPGA之基本原理（可能理解不对）
- Linux stmac网卡代码分析 -- open
- LintCode 207. 区间求和 II（线段树）
- 阿里京东滴滴等大厂面试题汇总
- 双代号网络图节点编号原则_难倒一片的双代号网络图你学会了吗？
- android平板电脑维修电路图,《图解windows10平板电脑电路原理和维修》大家可以读读看看...
- (转)DPDK内存管理 02 -----初始化
- 线性代数中的几何图形
- STM32之字模软件的使用
- vue 图片画框获取坐标
- 盘点：2017年GitHub上30个优秀的机器学习项目
- ucosii等待信号量函数中pend前后怎样执行
- CVPR 2019 论文汇总（按方向划分，0506 更新中）
- 租房软件需要的是简单易用