主要内容如下：
1、LEVIR-CD数据集介绍及下载
2、运行环境安装
3、STANet模型训练与预测
4、Onnx运行及可视化
运行环境：Python=3.8，torch1.12.0+cu113
likyoo变化检测源码：https://github.com/likyoo/open-cd
使用情况：代码风格属于openmmlab那套，通过修改配置文件config进行模型选择和训练、环境配置简单、训练速度一般。
训练资源消耗：默认参数配置，且batch_size为8时，显存占用4G左右，RTX4080迭代40000大概1.5小时。
ONNX推理：显存占用2G左右，RTX4080推理耗时约65ms。
1 LEVIR-CD数据集介绍
1.1 简介
LEVIR-CD 由 637 个超高分辨率（VHR，0.5m/像素）谷歌地球（GE）图像块对组成，大小为 1024 × 1024 像素。这些时间跨度为 5 到 14 年的双时态图像具有显着的土地利用变化，尤其是建筑增长。LEVIR-CD涵盖别墅住宅、高层公寓、小型车库、大型仓库等各类建筑。在这里，我们关注与建筑相关的变化，包括建筑增长（从土壤/草地/硬化地面或在建建筑到新的建筑区域的变化）和建筑衰退。这些双时态图像由遥感图像解释专家使用二进制标签（1 表示变化，0 表示不变）进行注释。我们数据集中的每个样本都由一个注释者进行注释，然后由另一个进行双重检查以生成高质量的注释。
数据来源：https://justchenhao.github.io/LEVIR/
论文地址：https://www.mdpi.com/2072-4292/12/10/1662
快速下载链接：https://aistudio.baidu.com/datasetdetail/104390/1
1.2 示例
2 运行环境安装
2.1 基础环境安装
【超详细】跑通YOLOv8之深度学习环境配置1-Anaconda安装
【超详细】跑通YOLOv8之深度学习环境配置2-CUDA安装
创建Python环境及换源可借鉴如下：
【超详细】跑通YOLOv8之深度学习环境配置3-YOLOv8安装
2.2 likyoo变化检测代码环境安装
2.2.1 代码下载
Git：git clone https://github.com/likyoo/open-cd.git
2.2.2 环境安装
# 1 创建环境
conda create -n likyoo python=3.8
conda activate likyoo
# 2 安装torch
# 方式1：
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch
# 方式2：
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113
# 3 验证torch安装是否为gpu版
import torch
print(torch.__version__) # 打印torch版本
print(torch.cuda.is_available()) # True即为成功
print(torch.version.cuda)
print(torch.backends.cudnn.version())
# 4 安装其他依赖库
cd ./open-cd-main
# 4.1 安装 OpenMMLab 相关工具
pip install -U openmim
mim install mmengine
mim install "mmcv==2.0.0"
mim install "mmpretrain>=1.0.0rc7" # (本地安装版本为1.2.0)
pip install "mmsegmentation==1.2.2"
pip install "mmdet==3.0.0"
# 4.2 编译安装open-cd
pip install -v -e .
# 5 可能缺少的库
pip install ftfy
3 STANet模型训练与预测
3.1 STANet模型介绍
3.1.1 简介
摘要：进行遥感图像变化检测（CD）以识别所需的显著变化在双时态图像之间。给定在不同时间拍摄的两个共同配准的图像变化和配准误差压倒了真实物体的变化。探索关系在不同的时空像素之间可以提高CD方法的性能。在我们的工作中，我们提出了一种新的基于孪生的时空注意力神经网络与之前的方法不同，这些方法在不参考任何数据的情况下对双时图像进行单独编码有用的时空依赖性，我们设计了一个CD自我注意机制来模拟时空关系。我们在程序中集成了一个新的CD自我关注模块特征提取。我们的自我注意力模块计算任意两个像素之间的注意力权重在不同的时间和位置，并使用它们来生成更具辨别力的特征。考虑到考虑到对象可能具有不同的尺度，我们将图像划分为多尺度子区域在每个子区域引入自我关注。通过这种方式，我们可以捕捉空间-时间在不同尺度上的依赖关系，从而生成更好的表示来适应对象各种尺寸。我们还介绍了一个CD数据集LEVIR-CD，它大了两个数量级与该领域的其他公共数据集相比。LEVIR-CD由一组大型双时态谷歌地球组成图像，637个图像对（1024×1024）和超过31k个独立标记的变化实例。我们提出的注意力模块将我们的基线模型的F1得分从83.9提高到87.3可接受的计算开销。公共遥感图像光盘的实验结果数据集显示，我们的方法优于其他几种最先进的方法。
论文地址：https://www.mdpi.com/2072-4292/12/10/1662
主要贡献包括：
- 提出时空注意力网络（STANet）：论文提出了一种基于孪生网络的时空注意力方法，用于遥感图像变化检测。这种方法通过设计一种变化检测自注意力机制，模拟不同时间点和位置的像素之间的时空关系，以生成更具辨识性的特征。
- 引入新的注意力模块：论文设计了两种注意力模块，基础时空注意力模块（BAM）和金字塔时空注意力模块（PAM）。BAM通过计算不同时间点和位置的像素之间的注意力权重来更新特征图，而PAM则在多个尺度上集成这些注意力表示，以捕捉不同尺度的时空依赖性。
- 发布新的遥感图像变化检测数据集LEVIR-CD：为了促进遥感图像变化检测技术的发展，论文提供了一个新的大规模数据集LEVIR-CD，包含大量的高分辨率遥感图像对和超过31k个独立标注的变化实例。
- 实验验证：通过在LEVIR-CD和SZTAKI数据集上的实验，论文证明了所提出的方法在变化检测任务上优于现有的最先进技术，特别是在处理由成像角度变化、季节变化和照明条件变化引起的误检时。
3.1.2 模型结构
3.1.3 实验结果
3.2 模型训练与预测
3.2.1 修改训练配置文件
（1）选择训练配置
（2）修改configs\common\standard_256x256_40k_levircd.py
关键修改：输入数据集路径data_root一定要对！！！
batch_size和迭代数量等按自己需要调整，预测为1024大小。
3.2.2 模型训练与测试
# 训练，--config配置文件+保存文件夹名
python tools/train.py configs/stanet/stanet_base_256x256_40k_levircd.py --work-dir ./work_dirs/stanet
# 测试==》得到评价指标
python tools/test.py configs/stanet/stanet_base_256x256_40k_levircd.py ./work_dirs/stanet/iter_40000.pth
3.2.3 结果显示
# 测试==》得到结果图
python tools/test.py configs/stanet/stanet_base_256x256_40k_levircd.py ./work_dirs/stanet/iter_40000.pth --show-dir tmp_infer
4 Onnx运行及可视化
4.1 Onnx导出静态和动态文件
（1）修改tools/export.py脚本，导出onnx，复制如下内容【修改了输入尺寸和增加一个动态onnx导出】：
# Copyright (c) Open-CD. All rights reserved.
import argparse
import logging
import torch
from mmengine import Config
from mmengine.registry import MODELS, init_default_scope
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger('opencd')
def main(args):
# must be called before using opencd
init_default_scope('opencd')
config_path = args.config
checkpoint_path = args.checkpoint
inputs = args.inputs
model_name = args.model_name
model_name_dy = args.model_name_dy
config = Config.fromfile(config_path, import_custom_modules=True)
model = MODELS.build(config.model)
ckpt = torch.load(checkpoint_path)
state_dict = ckpt['state_dict']
model.load_state_dict(state_dict, strict=True)
model.eval()
input_shape0 = tuple(map(int, inputs[0].split(',')))
input_shape1 = tuple(map(int, inputs[1].split(',')))
input0 = torch.rand(input_shape0)
input1 = torch.rand(input_shape1)
images = torch.concat((input0, input1), dim=1).to(args.device)
model.to(args.device)
# 导出静态onnx
torch.onnx.export(
model,
(images),
model_name,
input_names=['images'],
output_names=['output'],
verbose=False,
opset_version=11,
)
# 导出动态onnx
torch.onnx.export(
model,
(images),
model_name_dy,
input_names=['images'],
output_names=['output'],
verbose=False,
opset_version=11,
dynamic_axes={
"images": {0 :"batch_size", 2: "input_height", 3: "input_width"},
"output": {0 :"batch_size", 2: "output_height", 3: "output_width"}
}
)
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument('--config', '-c', type=str, default='')
parser.add_argument('--checkpoint', '-m', type=str, default='')
parser.add_argument('--device', type=str, default='cpu')
parser.add_argument(
'--inputs',
'-i',
type=str,
nargs='+',
default=['1,3,1024,1024', '1,3,1024,1024'])
parser.add_argument('--model-name', '-mn', type=str, default='model.onnx')
parser.add_argument('--model-name_dy', '-mndy', type=str, default='model_dy.onnx')
args = parser.parse_args()
logger.info(args)
main(args)
运行命令如下【结果生成两个onnx文件】：
# 注意报错ValueError: SyncBatchNorm expected input tensor to be on GPU
# 解决措施：device选择GPU进行导出
python tools/export.py --config configs/stanet/stanet_base_256x256_40k_levircd.py --checkpoint ./work_dirs/stanet/iter_40000.pth --device cuda:0
（2）查看模型结构
https://netron.app/
静态onnx：
动态onnx：
注意：其中的[1,6,1024,1024]表示两个[1,3,1024,1024]堆叠一起输入。
4.2 Onnx运行及可视化
4.2.1 Onnx推理运行
注意：由于LEVIR-CD图像为1024*1024大小，输入改成1024输入。
import os
import cv2
import time
import argparse
import numpy as np
import onnxruntime as ort # 使用onnxruntime推理用上，pip install onnxruntime-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
class CD(object):
def __init__(self, onnx_model, in_shape=1024):
self.in_shape = in_shape # 图像输入尺度
self.mean = [0.485, 0.456, 0.406] # 定义均值和标准差（确保它们与图像数据的范围相匹配）
self.std = [0.229, 0.224, 0.225] # 基于0-1范围的
# 构建onnxruntime推理引擎
self.ort_session = ort.InferenceSession(onnx_model,
providers=['CUDAExecutionProvider', 'CPUExecutionProvider']
if ort.get_device() == 'GPU' else ['CPUExecutionProvider'])
# 归一化
def normalize(self, image, mean, std):
# 如果均值和标准差是基于0-255范围的图像计算的，那么需要先将图像转换为0-1范围
image = image / 255.0
image = image.astype(np.float32)
image_normalized = np.zeros_like(image)
for i in range(3): # 对于 RGB 的每个通道
image_normalized[:, :, i] = (image[:, :, i] - mean[i]) / std[i]
return image_normalized
def preprocess(self, img_a, img_b):
# resize为1024大小
if img_a.shape[0] != self.in_shape and img_a.shape[1] != self.in_shape:
img_a = cv2.resize(img_a, (self.in_shape, self.in_shape), interpolation=cv2.INTER_LINEAR)
if img_b.shape[0] != self.in_shape and img_b.shape[1] != self.in_shape:
img_b = cv2.resize(img_b, (self.in_shape, self.in_shape), interpolation=cv2.INTER_LINEAR)
# 应用归一化
img_a = self.normalize(img_a, self.mean, self.std)
img_b = self.normalize(img_b, self.mean, self.std)
img_a = np.ascontiguousarray(np.einsum('HWC->CHW', img_a)[::-1], dtype=np.single) # (1024, 1024, 3)-->(3, 1024, 1024), BGR-->RGB
img_b = np.ascontiguousarray(np.einsum('HWC->CHW', img_b)[::-1], dtype=np.single) # np.single 和 np.float32 是等价的
img_a = img_a[None] if len(img_a.shape) == 3 else img_a # (1, 3, 1024, 1024)
img_b = img_b[None] if len(img_b.shape) == 3 else img_b
concat_img = np.concatenate((img_a, img_b), axis=1)
return concat_img
# 推理
def infer(self, img_a, img_b):
concat_img = self.preprocess(img_a, img_b) # (1024, 1024, 3)+(1024, 1024, 3) --> (1, 6, 1024, 1024)
preds = self.ort_session.run(None, {self.ort_session.get_inputs()[0].name: concat_img})[0] # (1, n, 1024, 1024)
if preds.shape[1] == 1:
out_img = (np.clip(preds[0][0], 0, 1) * 255).astype("uint8")
out_img = cv2.resize(out_img, (img_a.shape[1], img_a.shape[0]))
else:
out_img = (np.argmax(preds, axis=1)[0] * 255).astype("uint8")
return out_img
if __name__ == '__main__':
# Create an argument parser to handle command-line arguments
parser = argparse.ArgumentParser()
parser.add_argument('--model', type=str, default='weights/model_dy.onnx', help='Path to ONNX model')
parser.add_argument('--source_A', type=str, default=str('E:/datasets/LEVIR-CD/test/A/test_7.png'), help='A期图像')
parser.add_argument('--source_B', type=str, default=str('E:/datasets/LEVIR-CD/test/B/test_7.png'), help='B期图像')
parser.add_argument('--in_shape', type=int, default=1024, help='输入模型图像尺度')
args = parser.parse_args()
# 实例化变化检测模型
cd= CD(args.model, args.in_shape)
# Read image by OpenCV
img_a = cv2.imread(args.source_A)
img_b = cv2.imread(args.source_B)
# 推理+输出
t1 = time.time()
out = cd.infer(img_a, img_b)
print('推理耗时：{}'.format(time.time() - t1))
# 保存结果
cv2.imwrite('./result/test_7_res.png', out)
4.2.2 结果可视化
4.2.3 进一步处理：
（1）可加入腐蚀膨胀处理，消除一些小白点等区域；
（2）将变化区域绘制在第二期图上，便于观察；
