deeplabv3+街景图片语义分割,无需训练模型,看不懂也没有影响,直接使用,cityscapes数据集_23

目录

最近做街景语义分割相关的工作,因为没有gpu训练模型,且训练的模型往往MIOU很低,还不如直接找训练好的模型,所以在github找到了一个模型,具有cityscapes数据集预训练权重,不需要训练模型,不需要看懂模型,一行代码直接出语义分割之后的结果。

语义分割之后,用pyhton统计各个类别所占像素个数,用于后续定量指标的计算。

0、简介

优势:全网最全最细!
1、从数据原理到应用给你讲清楚。
2、专注于城市研究。

邮箱 :随意发送内容到邮箱获取联系方式,邮箱已设置自动回复!!!不看私信,没精力看。[email protected]

不用发邮箱,见下方链接文档末尾!
【腾讯文档】10 其他数据_代码_指导 详细介绍
【腾讯文档】10 其他数据_代码_指导 详细介绍
https://docs.qq.com/doc/DVUNDdXRQanhIa3Z0

1、下载链接

1.1、CSDN链接,含权重文件直接使用,建议直接下这个,还不限速。

deeplabv3+代码及权重文件

这个已经包含权重,跳过第二步下载代码,直接第三步预测代码。

1.2 Github链接:

https://github.com/VainF/DeepLabV3Plus-Pytorch

链接失效,直接github搜索:VainF/DeepLabV3Plus-Pytorch

2、下载代码,下载预训练好的权重

选择哪一个都行,随便下载一个,以DeepLabV3Plus-ResNet101为例
没有checkpoints文件夹就自己建一个。

​​​​

3、预测代码

代码在终端运行,修改完之后,直接复制粘贴运行。

代码运行位置

python 复制代码
单张图片:
python predict.py --input datasets/data/cityscapes/leftImg8bit/train/bremen/bremen_000000_000019_leftImg8bit.png  --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to test_results
python 复制代码
文件夹:
python predict.py --input datasets/data/cityscapes/leftImg8bit/train/bremen  --dataset cityscapes --model deeplabv3plus_mobilenet --ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth --save_val_results_to test_results

python predict.py 意思是运行predict这个python文件
--input datasets/bremen_000000_000019_leftImg8bit.png 这里是输入文件/输入文件夹,修改为自己的比如:E:\深圳街景\A01街景原图\福田区
--dataset cityscapes 使用的数据集
--model deeplabv3plus_mobilenet 使用的模型,或者deeplabv3plus_resnet101
--ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth 权重文件,需要新建checkpoints文件夹,将权重文件放进去。或者使用best_deeplabv3plus_resnet101_cityscapes_os16.pth.tar这个权重文件
注:--model要与--ckpt权重文件保持一致,mobilenet就都mobilenet,resnet101就都resnet101。
--save_val_results_to test_results 输出文件夹,指定路径即可,不存在会按照指定的路径创建

直接将所有图片进行语义分割,随后将四个图片的像素求平均即可。

建议直接用四个方向的图预测。

如果是全景图的话,建议用ptgui pro拆分成上下前后左右六个方向,保留前后左右四个方向,是否保留上方向,自己考虑。根据我的结果是不建议,全是天空没有意义且模型分错严重。

全景图还是四个方向,见仁见智,论文中都有,只不过更多的是四个方向。

python 复制代码
以文件夹为例:
python predict.py --input D:\街景图片  --dataset cityscapes --model deeplabv3plus_resnet101 --ckpt checkpoints/best_deeplabv3plus_resnet101_cityscapes_os16.pth.tar --save_val_results_to  D:\语义分割后的图片

如果下载的模型是:

--model deeplabv3plus_mobilenet

--ckpt checkpoints/best_deeplabv3plus_mobilenet_cityscapes_os16.pth

如果下载的模型是:

--model deeplabv3plus_resnet101

--ckpt checkpoints/best_deeplabv3plus_resnet101_cityscapes_os16.pth.tar

出现其他运行的错误,包括但不限于 numpy之类的,百度搜索一下就可以解决。

语义分割后的示例图片

4、像素提取,或者说类别提取

语义分割之后,统计各类像素数量的代码:


结果示例图


常规提取代码:运行速度比较慢,大概2张/1s(不维护了,也不出了)。

改进提取代码+说明文档:能达到60张/s(取决于cpu),并且文件保存时间几乎为0。文档内容见下图。

需要代码(语义分割结果提取像素的代码,不是模型提升精度的代码)联系**邮箱:随意发送内容到邮箱获取联系方式,邮箱已设置自动回复!!!不看私信,没精力看。[email protected]==

5、文档部分内容截图


1


2


3

6、其他数据处理/程序/指导!!!

详细介绍见下方链接:
【腾讯文档】10 其他数据_代码_指导 详细介绍
【腾讯文档】10 其他数据_代码_指导 详细介绍
https://docs.qq.com/doc/DVUNDdXRQanhIa3Z0

  1. 全国百度热力图数据。百度热力图数据获取,原理,处理及论文应用-CSDN博客

  2. OSM路网简化教程。OSM路网简化文档+实操视频讲解(道路中心线提取、拓扑检查,学术论文处理方式)

  3. 功能混合度计算教程。功能混合度计算全流程(原理讲解+软件实操)

  4. 街景语义分割后像素提取+指标计算代码(绿视率、天空开阔度、界面围合度、视觉熵/景观多样性等),含详细说明文档。deeplabv3+街景图片语义分割,无需训练模型,看不懂也没有影响,直接使用,cityscapes数据集

  5. 街景主观感知两两对比程序+TrueSkill计算beautiful、safer等维度主观感知评分(原理,代码),均含详细说明文档。街景两两对比程序,Trueskill计算评分代码,训练模型,预测街景1

  6. 街景主观感知训练,预测模型(beautiful, safer等自定义维度),多模型对比(ResNet50,ResNet101,EfficientNet、VGGNet、GoogleNet、DenseNet、MobileNet、ShuffleNet、Xception、ConvNeXt、Vision Transformer (ViT)、RegNet等),beautiful和safer维度精度均达到0.89。街景两两对比程序,Trueskill计算评分代码,训练模型,预测街景

  7. 多模型(含全部树模型)分类回归精度结果对比(回复审稿人意见之:为什么选某个模型?比如为什么选XGBoost?)。

    复制代码
    回归模型:线性模型(Linear、Ridge 、Lasso、Huber 、Partial Least Squares),KNN,SVR,树模型(Decision Tree、RF、AdaBoost 、GBDT、XGBoost、LightGBM 、CatBoost )。可自定义增加。
    分类模型:Logistic Regression、Naive Bayes、KNN、SVM、树模型(Decision Tree、RF、AdaBoost 、GBDT、XGBoost、LightGBM 、CatBoost )可自定义增加。
  8. 树模型-SHAP分析,上一步选模型,这一步用模型进行分析。

  9. 全国街景数据获取。

  10. 街景图片色彩聚类。

  11. MIT Place Pulse 2.0数据集

  12. 街景全景图切分六面视图(含数据处理教程,可批量处理)

  13. GCN用于街道研究,如GCN实现街道功能分类。

  14. POI数据,重分类,各种密度,各种比例,功能混合度/熵/多样性计算。

  15. 建筑物各种指标计算(建筑密度,容积率)。

  16. 2019-2024年最新全国四级行政区划矢量数据shp 省市县乡镇

  17. 全国村级行政区划shp数据,村级矢量行政区划界线!

  18. GIS相关处理,指标计算,街道街区相关,活力相关,街道品质相关。

**邮箱:随意发送内容到邮箱获取联系方式,邮箱已设置自动回复!!!不看私信,没精力看。[email protected]==

相关推荐
mailangduoduo10 天前
基于UNet算法的农业遥感图像语义分割——补充版
人工智能·深度学习·机器学习·计算机视觉·语义分割
@Mr_LiuYang2 个月前
Rethinking BiSeNet For Real-time Semantic Segmentation细节损失函数学习
语义分割·损失函数·边界提取·边界损失
深图智能2 个月前
轻量级语义分割算法:演进与创新
算法·计算机视觉·语义分割
杀生丸学AI2 个月前
【三维分割】LangSplat: 3D Language Gaussian Splatting(CVPR 2024 highlight)
人工智能·3d·大模型·aigc·svd·语义分割·视频生成
万里守约3 个月前
【论文阅读】SAM-CP:将SAM与组合提示结合起来的多功能分割
论文阅读·图像分割·多模态·语义分割·实例分割·图像大模型
AICurator4 个月前
SAM2训练自己的数据集
深度学习·语义分割·sam2
R_Arisa5 个月前
2024 TIP 论文 robust-ref-seg 复现过程
图像分割·多模态·语义分割·参考分割
杀生丸学AI6 个月前
【三维重建】Semantic Gaussians:开放词汇的3DGS场景理解
3d·aigc·语义分割·三维重建·nerf·视觉大模型·空间智能
HM-hhxx!7 个月前
遥感图像语义分割数据集制作(使用ArcGIS Pro)
深度学习·arcgis·语义分割·遥感图像