【文件属性】：
文件名称：Unet-sensing-image-tensorflow:张量流的Unet传感图像
文件大小：622KB
文件格式：ZIP
更新时间：2021-05-17 23:19:22
Python
Unet-of-remote-sensing-image
针对高分辨率遥感卫星进行地物识别，主要有15类的地物类型，包括各种农作物，工业用地，河流，水源，建筑物等。利用Unet结构进行语义分割，得到各个地物类型的场景分割图像，Unet结构和官方论文不太一样，自己根据理解进行了一些微调，改变了输出通道的数量，和上采样层后通道数量，每个巻积层后面加了batchNromalize层，正确率有一定的提高，最后finetune的15类分割准确率达到82%。
数据集：主要采用的landsat多通道图像，根据美国官方网站提供的地物标签制作卫星图像的groundTruth,得到23000多张训练图像，每张224×224
美国卫星数据官网：
代码：基于Unet的网络结构，使用tensorflow框架实现，其中process.py是制作训练数据用的，将一张7000×8000的大卫星图片根据经纬度分割成2万多张
【文件预览】：
Unet-sensing-image-tensorflow-master
----precess.py(7KB)
----README.md(2KB)
----result()
--------input_image.png(328KB)
--------val_acc.png(45KB)
--------loss_train.png(46KB)
--------groundTruth.png(41KB)
--------train_acc.png(46KB)
--------prediction.png(69KB)
--------loss_val.png(44KB)
----unet.py(12KB)
----TensorflowUtils.py(8KB)
----read_SceneParsingData.py(2KB)
----BatchDatsetReader.py(3KB)