- 博客(35)
- 收藏
- 关注
RSS订阅原创 基于混合编码器和边缘引导的拉普拉斯金字塔网络用于遥感变化检测
遥感变化检测（CD）是观测和分析动态土地覆盖变化的一项关键任务。许多基于深度学习的CD方法表现出强大的性能，但它们的有效性受到编码器选择和准确划定变化区域边缘的挑战的影响。在本文中，我们提出了一种混合编码器和边缘引导的拉普拉斯金字塔网络（HE-LPNet）来解决这些问题。具体来说，混合编码器结合了卷积神经网络和变压器的优势，从而提取出更细粒度的特征。同时，混合编码器结合了视觉基础模型，从而增强了整体模型的泛化。
2025-04-11 22:00:00
1014
原创 基于金字塔视觉变换的类引导网络高分辨率遥感图像高效语义分割
多分类语义分割中类之间的小差异和类内的大变化是全卷积神经网络的“编码器-解码器”结构没有完全解决的问题，导致对容易混淆的类别的不精确感知。为了解决这个问题，在本文中，我们认为足够的上下文信息可以为模型提供更多的解释线索。此外，如果我们能够挖掘每个语义类的类特定感知信息，我们可以在解码过程中增强属于相应类的信息。因此，我们提出了基于金字塔视觉变压器（PVT）的类引导网络。具体来说，以PVTA为编码器网络，接下来的解码过程由三个阶段组成。
2025-04-08 18:08:47
1096
原创 RoadFormer: Pyramidal deformable vision transformers for road networkextraction with remote sensing
在现代交通基础设施建设中，道路是众多设施中不可或缺的重要功能组成部分，是连接远方的通道和支持交通活动的媒介。道路的安全性、通畅性、可用性和可达性对指导最佳交通路线和正确的驾驶行为具有重要意义。详细的路网信息也为服务于高清制图和高精度地图导航提供了极其重要的证据。此外，路网的分布和质量为评估一个地区的发展提供了有价值的指标。因此，定期测量路网并及时更新其细节以提高完整性和精确性，对于广泛的道路相关应用和活动具有重要意义。然而，仅仅基于驾驭工人的实地调查，快速绘制复杂和大规模的路网并不是一项轻松的任务。
2025-04-08 14:16:46
985
原创 【UInt8、UInt32、位深度、单通道、多通道，波段】
是用于表示计算机存储数据的格式，定义了数据的存储方式、范围和操作规则。在处理影像或图像时，数据类型会影响存储文件的大小、每个像素的值范围，以及后续操作的处理方式。UInt8UInt32UInt8UInt32UInt8UInt16UInt32[R, G, B]UInt8UInt8UInt16Float32UInt8UInt16UInt32表示每个像素总共使用来存储颜色信息。
2025-01-09 14:26:22
859
原创 【导入问题training爆红】 from training.utils.train_utils import makedir, register_omegaconf_resolvers
training导入的文件里的函数，不是包，train在training里面，导入位置不对，如果train在training外面，这样写是对的。
2024-12-18 16:02:46
176
原创 公众号看到一个小知识（遥感影像标签的数值问题）
我现在的使用的代码是基于github上的一个开源项目，原作者写好了标签数值格式是0-255。我不想过多修改他的代码。综合考虑下，那只能修改标签文件的数值。大概是因为win自带的图像打开器只支持bit8的图像。即数值范围是0-255。是否要将标签中的1转为 255，是要根据你的训练模型中的代码决定的。这样的形式，不能直接在win10打开。但是可以在QGIS可视化。拿到手的标签图像，是二分类形式，分为0和1。简单的对标签文件进行数值修改是容易的。遥感影像标签的数值问题。
2024-12-11 20:15:14
163
原创 将遥感影像（多波段）分割为单波段影像
这个代码一次只能分割一个tiff影像，且会将多波段影像分割成单波段的。比如：分割前是4通道，分割后将是1、2、3、4各自保存了一份。512×512像素的，可以根据需要更改，可以运行。
2024-12-05 23:01:32
314
原创 【论文阅读CVPR】Fantastic Animals and Where to Find Them: Segment Any Marine Animal withDual SAM
常用的分割海洋动物的方法是MAS，但是MAS忽视了像素之间的连接性。新出了一个模型SAM，是在自然图像中的一个通用的分割任务框架，但是SAM是单一位置提示,无法从海洋图像中获取.提出了用于高性能 MAS 的双 SAM（用于高性能 MAS 的双 SAM）。多级耦合提示（MCP）适配器增强SAM 编码器扩张融合注意力模块（DFAM）十字交叉连接预测（C3P）范式。
2024-12-04 23:45:25
1085
1
原创 Windows 11 系统更新后，浏览器连不上网络（解决）
打开控制面板 点击网络和Internet 点击Internet选项 点击连接 选择局域网设置（L） 将代理服务器勾选去掉 点击应用、确认即可
2024-11-29 14:34:22
1001
原创 [论文阅读] 基于U－Net网络的高标准农田道路识别方法
创新：unet、高标准农田道路识别、GF-2影像、断点修复面向对象方法对影像进行分割——>根据特征进行分类（剔除光谱特征和田间道路相似的建筑物等非道路要素）——>对影像进行剪裁、标签制作、数据增强——>unet网络。
2024-11-27 20:39:32
471
1
原创 基于改进HRNet的遥感影像冬小麦语义分割方法
问题小麦在影像中呈现田块碎小且分布零散等空间特征，同时影像包含的复杂地物对冬小麦识别造成干扰，易出 现识别精度低且边界分割模糊等问题。数据以高分二号卫星影像作为数 据源提出方法提出一种CAHRNet（change attention high-resolution Net）语义分割模型。采用HRNet（high-resolution Net）替换 ResNet作 为 模 型 的 主 干 网 络 ， 网 络 的 并 行 交 互 方 式 易 获 取 高 分 辨 率 的 特 征 信 息；
2024-11-26 18:11:27
976
原创 【论文阅读】边缘增强的BECU-Net模型高分辨率遥感影像耕地提取
研究对象：耕地问题：为解决现有的耕地信息提取方法忽视地块的差异化特征和边缘细节蕴含的丰富信息，且提取结果碎片化、边界 模糊问题。提出方法：采用一种结合EfficientNet骨干网络和U型框架构建的改进型耕地信息提 取模型BECU-Net（Boundary Enhancement Classification U-Net），并为实现边缘特征和深度特征的信息互补，设 计由CoT模块门控卷积scSE。
2024-11-26 17:44:44
1047
1
原创 报错：OSError: Unrecognized data stream contents when reading image file（亲测有效）
在train.py的前面加下面的代码。
2024-11-21 10:04:34
317
1
原创 去除掩膜并改变掩膜的边界线粗细（代码可以运行--测试test）
需要修改的是model后面的best.pt更改为自己模型的文件。source 后面是test更改为自己需要测试的文件。
2024-10-30 12:47:20
238
原创 TypeError: Cannot handle this data type: (1, 1, 512), |u1 python分割多波段大图像遥感影响（代码可运行）
是因为从 GDAL 读取的数据块与 PIL 预期的数据格式不符。GDAL 默认读取的是多波段数据，而 PIL 需要特定的格式才能转换为图像。
2024-10-29 15:56:09
636
原创 YOLOV8跑自己的数据集（语义分割）
个人记录。为了记忆用的。里面包含了跑通一个yolov8模型的需要更改的代码、连接服务器的用法、遇到的bug、数据集的制作以及数据集格式的转换提示：以下是本篇文章正文内容，下面案例可供参考。
2024-10-22 11:37:19
1685
2
原创 Cannot find proj.db（找不到proj.db文件）
在PyCharm中运行代码时遇到“Cannot find proj.db”的错误，通常是因为没有正确设置，或者有问题。
2024-09-05 12:28:41
1839
原创 arcgis标注遥感图像shp标签
2、在图层看到刚才建的shp文件，在shp文件名上鼠标右键Shapefile---->选择编辑要素---->开始编辑。1、点击鼠标右键Shapefile---->选择要素类型---->添加地理坐标系。4、先停止编辑----->点这个shp文件---->添加字段（主要用于说明类别）3、 在图层右键---->点击编辑要素----->开始编辑画四边形。5、点击字段名---->右键选择字段计算器，给多个赋值。****以免混淆建立一个shp文件****添加字段，给字段赋值。6、将不同标签用不同颜色显示。
2024-09-05 11:30:11
434
原创 labelme生成的json文件转换png图片
1、在labelme的安装目录下，\绿色部分\Lib\site-packages\labelme\cli找不到的可以win+r 输入where labelme，找到labelme.exe位置。如下图绿色部分就能找到前面的位置（不知道怎么描述了）。2、在这里输入cmd回车出现下面图片。然后如果你的labelme是安装在conda环境中的，需要激活进入（activate 环境名）环境。3、输入python json_to_dataset.py -o 红色 绿色。
2024-08-28 20:20:23
643
原创 osgeo库不可以使用pip安装(安装失败)
例如：pip install GDAL-3.6.2-cp311-cp311-win_amd64.whl。如下图：第一张是在环境中的下载应该是cp38，但是我实际的Python版本是3.11，对应的是图二。（要和Python的位置一致，不然可能会出现这个版本匹配不一样的情况，导致安装失败）osgeo库不可以使用pip安装(安装失败)2、在这个链接中找到对应的gdal包并且下载。1、在anaconda prompt输入。xxx代表下载的whl文件全名即可。
2024-08-01 21:45:00
1065
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人