原创 Dropout與Batch Normalization在網絡中的作用究竟是怎樣的?(以Unet網絡爲參考)

看過相關論文的可能都注意到了,Dropout與Batch Normalization同時使用並不能達到1+1>=2的效果,反而會適得其反,下面我就用實踐來看看究竟會怎樣 直接上圖:   以上結果都是在參數一樣的情況下跑的 左上:原始網

原创 Github復現之tiramisu(提拉米蘇,這裏就是FCDenseNet)

鏈接:https://github.com/bfortuner/pytorch_tiramisu 網絡原本是多分類的,而且原始數據輸入函數都是爲CamVid這樣的公開數據集定製的,要用自己的數據還是要花點時間的,我這裏是改成了自己

原创 python gdal遙感影像基礎操作(讀寫、增加波段、添加座標系)

1.讀寫 def read_img(filename):     dataset=gdal.Open(filename)     im_width = dataset.RasterXSize     im_height = dataset

原创 入坑生成對抗網絡(GAN)

看了以後感覺還行的關於生成對抗網絡的一個GitHub項目,安利給大家 鏈接:https://github.com/kwotsin/mimicry 文檔:https://mimicry.readthedocs.io/en/lates

原创 python gdal根據圖像座標生成矢量框(含圖像座標轉地理座標)

要生成矢量框需要將圖像座標轉換爲地理座標或者投影座標,以下代碼是生成了滿足條件的1000*1000區域對應的矢量框,關鍵在於紅色字體部分。 # -*- coding: utf-8 -*- import os from osgeo impo

原创 深度學習GitHub復現常見錯誤之參數num_workers引發的錯誤:“BrokenPipeError: [Errno 32] Broken pipe”

簡單記錄下這個錯誤,不止遇到一次了,還好我記得怎麼回事,錯誤如下: C:\ProgramData\Anaconda3\lib\site-packages\h5py\__init__.py:36: FutureWarning: Conver

原创 python2 和 python3 共存時python3 的pip3 list  失效並報錯 TypeError: 'module' object is not callable

python2 和 python3 共存時python3 的pip3 list  失效並報錯如下: Traceback (most recent call last):   File "c:\programdata\anaconda3\l

原创 Scikit-Image中傳統分割方法測試

import numpy as np from skimage.data import astronaut from skimage.color import rgb2gray from skimage.filters impor

原创 error D8021 :無效的數值參數“/Wno-cpp”

GitHub和CSDN上可以搜到,這裏備份一下 詳細錯誤: C:\Program Files (x86)\Microsoft Visual Studio 14.0\VC\BIN\x86_amd64\cl.exe /c /nologo /O

原创 監督分類:SVM即支持向量機實現遙感影像監督分類

環境:python2或3都可以,有osgeo(gdal)(本機版本2.2.4)、scikit-learn(本機版本0.20.3)、numpy(本機版本1.15.0)就行 這個代碼是用的4波段遙感影像,如果用作其他波段的稍微修改一下就行了,

原创 python gdal 矢量裁剪柵格

下面的代碼是python gdal 利用矢量文件在柵格圖上裁剪出對應區域的實現,首先說明裁剪出來的大小肯定是完全一致的,但是我仔細看了下,貌似有點偏移,這點偏移應該是無法避免的。 代碼有兩版,第一版是完全把圖讀進去了,問題就是圖像

原创 UNET家族網絡之CE-Net(github復現)

使用完畢在此整理一下代碼,這裏就只對有改動的地方貼一下啊,其他的直接去github上下載一下吧 https://github.com/Guzaiwang/CE-Net 數據輸入文件data.py,其實沒改動只是不做擴充加載了原始數

原创 python gdal + skimage實現基於遙感影像的傳統圖像分割及合併外加矢量化

根據我前述博客中對圖像傳分割算法及圖像塊合併方法的實驗探究,在此將這些方法用於遙感影像並嘗試矢量化。 這個過程中我自己遇到了一個棘手的問題,在最後的結果那裏有描述,希望知道的朋友幫忙解答一下,謝謝! 直接上代碼: # -*- co

原创 分割後圖像塊合併方法之歸一化合並

我也不知道用中文該怎麼說,反正相關論文叫Normalized cuts and image segmentation 這些都是skimage這個模塊裏面的官網的例子,記錄一下, from skimage import data,

原创 監督分類:用SVM做遙感影像特徵級分類

前面已經做了很多像素級的分類了,這裏繼續深入,這裏用的特徵是LBP(局部閾值模式),思路就是先手動選點取樣本點鄰域並提取LBP特徵進行訓練得到模型,然後取每個像素的鄰域提取LBP特徵,然後用訓練好的模型對每個像素對應鄰域的LBP特