|
|
|
@ -157,7 +157,8 @@ def slider_predict(self, |
|
|
|
|
overlap=36, |
|
|
|
|
transforms=None, |
|
|
|
|
invalid_value=255, |
|
|
|
|
merge_strategy='keep_last'): |
|
|
|
|
merge_strategy='keep_last', |
|
|
|
|
batch_size=1): |
|
|
|
|
``` |
|
|
|
|
|
|
|
|
|
输入参数列表: |
|
|
|
@ -171,6 +172,7 @@ def slider_predict(self, |
|
|
|
|
|`transforms`|`paddlers.transforms.Compose` \| `None`|对输入数据应用的数据变换算子。若为`None`,则使用训练器在验证阶段使用的数据变换算子。|`None`| |
|
|
|
|
|`invalid_value`|`int`|输出影像中用于标记无效像素的数值。|`255`| |
|
|
|
|
|`merge_strategy`|`str`|合并滑窗重叠区域使用的策略。`'keep_first'`表示保留遍历顺序(从左至右,从上往下,列优先)最靠前的窗口的预测类别;`'keep_last'`表示保留遍历顺序最靠后的窗口的预测类别;`'accum'`表示通过将各窗口在重叠区域给出的预测概率累加,计算最终预测类别。需要注意的是,在对大尺寸影像进行`overlap`较大的密集推理时,使用`'accum'`策略可能导致较长的推理时间,但一般能够在窗口交界部分取得更好的表现。|`'keep_last'`| |
|
|
|
|
|`batch_size`|`int`|预测时使用的mini-batch大小。|`1`| |
|
|
|
|
|
|
|
|
|
变化检测任务的滑窗推理API与图像分割任务类似,但需要注意的是输出结果中存储的地理变换、投影等信息以从第一时相影像中读取的信息为准,存储滑窗推理结果的文件名也与第一时相影像文件相同。 |
|
|
|
|
|
|
|
|
|