目录
一、目的
二、深度学习?语义分割?
三、遥感数据集及标签的制作
数据集制作步骤:
批量矢量转栅格步骤:
四、参考视频/文章:
一、目的对遥感影像进行语义分割。初学看了很多教程,网上这方面内容较多同时也十分杂乱,选择价值高的信息也成为了一个费时费力的难点,总结了一下最近几天看的各种内容,做个笔记。
二、深度学习?语义分割?深度学习的课程可谓是十分之多,很多都是关注公众号或者加微信来卖课,大家自己斟酌。这里推荐b站白嫖。基础背景不再多说,这里主要记录我遇到的问题。
目前深度学习的主要三个方向分别是图像分类、目标检测和语义分割:
其中图像分类主要针对图片,比如识别一张动物的照片是猫是狗;目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,进行定位和生成标记物体的边界框;语义分割主要针对像素点进行分类,把每一个像素点都标注上其对应的类别。根据自己的研究目的来选择相应的方法手段,这里我的需求是针对像素点的语义分割。
三、遥感数据集及标签的制作【最新笔记在【实验笔记】谷歌地图配准哨兵二号影像制作遥感影像数据集-CSDN博客】
看了很多教程,目前深度学习数据集的制作主要分为手动和半自动两类。对于一般的不含地理信息的图片(RGB三通道图像或者灰色单通道图像)可以采用半自动的方法进行制作,主流软件有label me、anylabeling等。对于图像的格式介绍在这里关于数据集处理的若干格式-CSDN博客
在遥感图像中,不同于普通图片,通常是包含