diff --git a/README.md b/README.md index e5313fc..f897363 100644 --- a/README.md +++ b/README.md @@ -193,9 +193,8 @@ PaddleRS是xxx、xxx、xxx等遥感科研院所共同基于飞桨开发的遥感 * 模型训练 * 推理部署 * 应用案例 - * [【官方】第十一届 “中国软件杯”大学生软件设计大赛—A组：变化检测](./docs/cases/csc_cd_cn.md) - * [使用超分模块提高真实的低分辨率无人机影像的分割精度](./docs/cases/sr_seg_cn.md) - * [无人机影像汽车识别](./docs/cases/car_det_cn.md) + * [变化检测示例](./docs/cases/csc_cd_cn.md) + * [超分模块示例](./docs/cases/sr_seg_cn.md) ## 许可证书 diff --git a/docs/cases/car_det_cn.md b/docs/cases/car_det_cn.md deleted file mode 100644 index 1ddc13c..0000000 --- a/docs/cases/car_det_cn.md +++ /dev/null @@ -1,172 +0,0 @@ -# [PaddleRS：无人机汽车识别](https://aistudio.baidu.com/aistudio/projectdetail/3713122) - -基于0.5m的高分辨率无人机影像，我们希望能够使用目标检测的方法找到影像中的汽车。项目将基于PaddleRS完成该任务。 - -## 1 数据准备 - -数据来自于[DFC2018 Houston](https://hyperspectral.ee.uh.edu/?page_id=1075)，裁剪为1400张596x601大小的图块，由手工标注而成并按照9:1划分训练集和数据集。 - -```python -# 解压数据集 -! mkdir -p dataset -! unzip -oq data/data56250/carDetection_RGB.zip -d dataset -``` - -```python -# 划分数据集 -import os -import os.path as osp -import random - -def get_data_list(data_dir): - random.seed(666) - mode = ["train_list", "val_list"] - dir_path = osp.join(data_dir, "JPEGImages") - files = [f.split(".")[0] for f in os.listdir(dir_path)] - random.shuffle(files) # 打乱顺序 - with open(osp.join(data_dir, f"{mode[0]}.txt"), "w") as f_tr: - with open(osp.join(data_dir, f"{mode[1]}.txt"), "w") as f_va: - for i, name in enumerate(files): - if (i % 10) == 0: # 训练集与测试集为9:1 - f_va.write(f"JPEGImages/{name}.jpg Annotations/{name}.xml\n") - else: - f_tr.write(f"JPEGImages/{name}.jpg Annotations/{name}.xml\n") - labels = ["car"] - txt_str = "\n".join(labels) - with open((data_dir + "/" + f"label_list.txt"), "w") as f: - f.write(txt_str) - print("Finished!") - -get_data_list("dataset") -``` - -## 2 PaddleRS准备 - -PaddleRS是基于飞桨开发的遥感处理平台，支持遥感图像分类，目标检测，图像分割，以及变化检测等常用遥感任务，帮助开发者更便捷地完成从训练到部署全流程遥感深度学习应用。 - -github：[https://github.com/PaddleCV-SIG/PaddleRS](https://github.com/PaddleCV-SIG/PaddleRS) - -```python -! git clone https://github.com/PaddleCV-SIG/PaddleRS.git -! pip install -q -r PaddleRS/requirements.txt - -import sys -sys.path.append("PaddleRS") -``` - -## 3 模型训练 - -PaddleRS借鉴PaddleSeg的API设计模式并进行了较高程度的封装，可以方便的完成数据、模型等的定义，快速开始模型的训练迭代。 - -### 3.1 数据定义 - -主要通过`datasets`和`transforms`两个组件完成任务，`datasets`中有包含分割检测分类等多任务的数据加载API，而`transforms`集成了大部分通用或单独的数据增强API，目前可以通过源码查看。 - -```python -import os -import os.path as osp -from paddlers.datasets import VOCDetection -from paddlers import transforms as T - -# 定义数据增强 -train_transforms = T.Compose([ - T.RandomDistort(), - T.RandomCrop(), - T.RandomHorizontalFlip(), - T.BatchRandomResize( - target_sizes=[512, 544, 576, 608, 640, 672, 704], - interp='RANDOM'), - T.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) -]) -eval_transforms = T.Compose([ - T.Resize(target_size=608, interp='CUBIC'), - T.Normalize( - mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) -]) - -# 定义数据集 -data_dir = "dataset" -train_file_list = osp.join(data_dir, 'train_list.txt') -val_file_list = osp.join(data_dir, 'val_list.txt') -label_file_list = osp.join(data_dir, 'label_list.txt') -train_dataset = VOCDetection( - data_dir=data_dir, - file_list=train_file_list, - label_list=label_file_list, - transforms=train_transforms, - shuffle=True) -eval_dataset = VOCDetection( - data_dir=data_dir, - file_list=train_file_list, - label_list=label_file_list, - transforms=eval_transforms, - shuffle=False) -``` - -### 3.2 模型准备 - -PaddleRS将模型分别放置于`models`和`custom_models`中，分别包含了Paddle四大套件的模型结构以及与遥感、变化检测等相关的模型结构。通过`tasks`进行了模型的封装，集成了Loss、Opt、Metrics等，可根据需要进行修改。这里以默认的PPYOLOv2为例。 - -```python -from paddlers.tasks.object_detector import PPYOLOv2 - -num_classes = len(train_dataset.labels) -model = PPYOLOv2(num_classes=num_classes) -``` - -```python -model.train( - num_epochs=30, - train_dataset=train_dataset, - train_batch_size=16, - eval_dataset=eval_dataset, - pretrain_weights="COCO", - learning_rate=3e-5, - warmup_steps=10, - warmup_start_lr=0.0, - save_interval_epochs=5, - lr_decay_epochs=[10, 20], - save_dir="output", - use_vdl=True) -``` - -## 4 模型评估 - -只需要调用evaluate即可完成预测。 - -```python -model.evaluate(eval_dataset) -``` - -返回如下输出。 - -``` - 2022-03-30 19:59:13 [INFO] Start to evaluate(total_samples=944, total_steps=944)... - 2022-03-30 20:00:05 [INFO] Accumulating evaluatation results... - - OrderedDict([('bbox_map', 90.33284968764544)]) -``` - -## 5 模型预测 - -PaddleRS的目标检测task可以方便的给出坐标、类别和分数，可供自行进行一些后处理。也可以直接使用visualize_detection进行可视化。下面对一张测试图像进行预测并可视化。 - -```python -from paddlers.tasks.utils.visualize import visualize_detection -import matplotlib.pyplot as plt - -%matplotlib inline - -img_path = "dataset/JPEGImages/UH_NAD83_272056_3289689_58.jpg" -pred = model.predict(img_path, eval_transforms) -vis_img = visualize_detection(img_path, pred, save_dir=None) -plt.figure(figsize=(10, 10)) -plt.imshow(vis_img) -plt.show() -``` - -![output_13_0](https://user-images.githubusercontent.com/71769312/161358212-5f525ba3-059c-4c07-9d2e-ed4334069983.png) - -## 总结 - -- 这里PPYOLOv2的效果很不错，后续在目标检测方面，将会为PaddleRS增加滑框预测以及GeoJSON等数据格式的导出。 diff --git a/docs/cases/csc_cd_cn.md b/docs/cases/csc_cd_cn.md index 763e75f..3974c55 100644 --- a/docs/cases/csc_cd_cn.md +++ b/docs/cases/csc_cd_cn.md @@ -26,13 +26,6 @@ ## 数据预处理 -```python -# 解压数据集 -# 该操作涉及大量文件IO，可能需要一些时间 -!unzip -o -d /home/aistudio/data/data134796/dataset /home/aistudio/data/data134796/train_data.zip > /dev/null -!unzip -o -d /home/aistudio/data/data134796/dataset /home/aistudio/data/data134796/test_data.zip > /dev/null -``` - ```python # 划分训练集/验证集，并生成文件名列表