基于arcpro3.0.2版的使用深度学习目标提取之建筑房屋
采用像素分类方法,像素分类一般把多边形详细轮廓给标注出来,
而目标检测就标注出对象大致矩形框就行,
本次训练结果:采用GPU显卡Nivda 1080 训练模型图
20个周期+GPU训练
(一)打开 使用深度学习分类像素 (Image Analyst),
classify-pixels-using-deep-learning
采用像素分类方法 参数
输入栅格为要检测的影像
模型定位为上一步输出的outBuildingDeepLabV3_ResNet34.dlpk文件
cpu模式+Max Overlap Ratio=0 、Max Overlap Ratio=0.4
运行时间:3个小时,
输出红色区域为预测房屋的栅格文件tif
(二)采用DeepLapV3+Backbone: resNet34+20个Epochs+GPU训练
生成的模型评价指标 F1=0.94
(三)制作样本并导出样本库
添加影像tif文件为一个栅格图层,选中此栅格图层,再点击pro的影像选项卡/分类工具/训练样本管理器(或标注对象以供深度学习使用)工具。打开如下所示影像分类面板。
第一步: 新建Building方案,
第二步:新建类building,选中绘制多边形工具,即工具栏中第二个画面工具,
建立building类(value随便填,一般填123456789,最好别填0,指不定会报错)本人设置value=1
第三步:抽样绘制多多的要训练样本面列表,
第四步:另存为样本面要素为面图层保存到gdb库中,
第五步:保存样本方案文件Building.ecs
最后:导出训练数据
元数据格式:采用分类切片,因为是采用像素分类方法
像素分类一般把多边形详细轮廓给标注出来,
目标检测就标注出对象大致矩形框就行,
建立building类(value随便填,一般填123456789,最好别作shi填0,指不定会报错
本blog地址:https://blog.csdn.net/hsg77