Understanding Clouds from Satellite Images的kernel调研＋肉眼识别每种云朵示例

pupil1视角，凡是看过的全部进行upvote作为标记

kernel	注释	框架	输出模型格式
EDA: Find Me In The Clouds	非常赞的可视化（博文下方列出其主要内容）
Strange Single Pixel Holes in Masks	mask中有一些黑点（不重要）
Efficient Net B4 Unet Clouds	不提供自己的文件EfficientNetB4.h5(作废)
Understanding Clouds Keras Unet	试图讲清楚Unet
MaskRCNN for cloud classification (Keras)	0.5786	Keras	h5
gold medalImage Segmentation From Scratch in Pytorch	0.6296	Pytorch	pt
Satellite Clouds: U-Net with ResNet Encoder	0.5945	Pytorch	h5
InceptionResNetV2 for Cloud Classifier	0.6579(需要输入模型)	keras	读取pytorch模型，然后使用了keras
Train With Crops - CV 0.60+	0.6286	keras	h5
keras efficientnetb2 for classifying cloud(解读完毕)	0.6583	keras	h5自己训练分类模型修正别人的分割结果csv
ResUNet Keras with some new ideas	0.6534	keras	没输出模型
Segmentation in PyTorch using convenient tools	0.6419	pytorch	pth
Satellite Clouds: U-Net with ResNet Encoder	0.5945	keras	h5
Image Segmentation From Scratch in Pytorch	0.6296	pytorch	pt
Cloud: ConvexHull& Polygon PostProcessing (No GPU)	非常重要	pytorch	没有输出模型，但是评论区赞誉有加
Classification in catalyst with utility scripts	0.5495	pytorch	pth
Cloud Bounding Boxes - CV 0.58	0.6114	keras	没有输出模型
Understanding Clouds - EDA and Keras U-Net	0.6215	keras	没有输出模型
Keras EfficientnetB4	0.6555	keras	h5
[TF Tutorial] Semantic Segmentation With U-Net++	新手代码	Keras	h5
Fine-turning model with AdaBound	0.6433	pytorch	pth
[Beginner] Cloud segmentation using Keras	0.5975	Keras	h5
Cloud Classifier for Post-processing	0.6554(需要输入单模)		h5
Cloud Segmentation with utility scripts and Keras	0.6532	Keras	h5
GradCAM: extracting masks from classifier	0.6141	pytorch	没有输出模型
Turbo Charging Andrew's Pytorch	0.6492	pytorch	pth
Deeplabv3+ with mobilenetv2	思路参考
Dataset preparation - Resize images	加速训练时间的技术
Multi-label segmentation using fastai	fastai进行多标签语义分割
Exploring Challenging Images	彩色视图可视化（可以学习下）
Deeplabv3+ with mobilenetv2	从steel上面迁移过来的。
Dataset preparation for segmentation task	同一张图上绘制四种不同的云层
Understanding Clouds EDA	值得学习的技巧: 图片数据集的KDE绘制，以及不同类别的云朵的mask绘制在一张图中
dump_cloud_simple_experiment(解读完毕)	想法很有意思: submission.csv全部留空白，直接提交的得分是:0.4775(没用)
5fold Stratified Split(解读完毕，分割错误的kernel)	stratified_group_k_fold划分
Average Masks(解读完毕)	位置和云的种类的关系（应该没用）重要的知识点: `plt.imshow()` can be misleading because it scales the largest value to yellow

上面，从

EDA: Find Me In The Clouds

中，可以看出每个类别的云朵的典型图案是咋样的，如下：

draw_label_only('Fish')

draw_label_only('Flower')

draw_label_only('Gravel')

draw_label_only('Sugar')

比赛全局可视化参考[1]

上面的黑色长缝是卫星没有扫描到的。

Reference:

[1]https://worldview.earthdata.nasa.gov/?v=-212.63534236130425,-125.13556527739146,192.36465763869575,74.55193472260854&t=2019-10-28-T04%3A00%3A00Z

Understanding Clouds from Satellite Images的kernel调研＋肉眼识别每种云朵示例相关推荐

Understanding Clouds from Satellite Images比赛的discussion调研与colab数据集下载配置
colab数据集下载配置代码: %%time !pip install -U -q kaggle !mkdir -p ~/.kaggle!echo '{"username":&qu ...
Understanding Clouds from Satellite Images语义分割比赛中train_test_split与stratify配合使用
用法来自: https://www.kaggle.com/mobassir/keras-efficientnetb2-for-classifying-cloud 数据集中每张图片可能包含1种云朵到4种 ...
转载：JSON技术的调研报告（四种常见的JSON格式对比及分析）
转载自地址:http://www.cnblogs.com/kunpengit/p/4001680.html 一 .各个JSON技术的简介和优劣 1.json-lib json-lib最开始的也是应用最 ...
[kernel exploit] Dirty Cred: 一种新的无地址依赖漏洞利用方案
文章目录简介背景 Dirty Cred 基础知识内核凭证 cred file slab 种类通用内存slab 特殊内存slab filp cred 漏洞利用思路与实例思路 CVE-2021- ...
Linux kernel U盘识别流程
一.正常USB枚举及断开的log 正常U盘插入和拔掉Kernel log的打印消息如下: U盘插入 [ 220.836836] usb 2-1: new high-speed USB device n ...
【计算机视觉】opencv姿态解算6 理论算法调研 PNP问题 5种算法
关于PnP(pespective-n-point)的一些方法最小PnP问题 P3P问题中假设没有噪声,使用几何约束,可以解得相机的位姿.不具有唯一解. P4P问题中分为线性方法和基于P3P的方法. ...
JSON技术的调研报告（四种常见的JSON格式对比及分析）
https://www.cnblogs.com/renmengkai/p/9183775.html
Linux Kernel支持NMI的三种方式
快速链接: .
Python基于深度学习多标签分类模型实现云状识别
其实这个比赛早在19年的时候就结束,比赛名为<Understanding Clouds from Satellite Images>,原来的任务其实不仅要识别出来类型还要能够分割出来具体的 ...

Understanding Clouds from Satellite Images的kernel调研＋肉眼识别每种云朵示例

Understanding Clouds from Satellite Images的kernel调研＋肉眼识别每种云朵示例相关推荐

最新文章

热门文章