目錄

• Faster-RCNN實現遙感圖像滑坡識別
• 操作指南
• • 對數據進行測試
  • 數據集進行訓練
• 數據集
• • 自己制作數據集

Faster-RCNN實現遙感圖像滑坡識別

代碼鏈接：github代碼

本代碼參考github鏈接

操作指南

對數據進行測試

環境python+cuda+cuDNN+pytorch（還有其他一些雜七雜八的，報錯提示有別的庫沒下就自己下一下）
在frcnn.py文件中，有如下代碼：

class FRCNN(object):_defaults = {"model_path" : 'logs/Epoch49-Total_Loss0.2045-Val_Loss0.4614.pth',"classes_path" : 'model_data/slide_class.txt',"confidence" : 0.5,"iou" : 0.3,"backbone" : "resnet50","cuda" : True,} .....

model_path表示你選擇的權重文件的路徑(默認已經放了一個)
運行predict.py，輸入文件路徑即可進行測試

數據集進行訓練

resnet預訓練權重百度網盤地址：提取碼vs9n
預訓練權重文件放到model_data文件夾下

landslide_train.txt文件每一行記錄了圖片的相對路徑，以及標識框的坐標，類別（本例中只有一個類就是滑坡，數值位0）
運行train.py進行訓練
訓練過程中每一次迭代生成的權重文件會自動保存到logs文件夾下，這些權重文件就是訓練出來的模型。理論上迭代次數最多的模型性能越好

數據集

數據集百度網盤地址：提取碼mnd6
resnet預訓練權重百度網盤地址：提取碼vs9n
把下載好的數據集中的所有圖片復制到項目LandSlide_Detection_Faster-RCNN\LandSlideDataSet\images文件夾下
預訓練權重文件放到model_data文件夾下

自己制作數據集

詳細教程可以參考bilibili視頻鏈接
voc2frcnn用于在LandSlideDataSet/ImageSets文件下生成train.txt文件
voc_annotation用于在項目文件夾下生成landslide_train.txt

總結

以上是生活随笔為你收集整理的Faster-RCNN实现遥感图像滑坡识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。