利用遥感数据进行深度学习。
aeronet的Python项目详细描述
航空发动机
python库用于处理地理空间光栅和矢量数据。
模块
。后端
Keras损失(Tensorflow后端)
- 。损失
--jaccard_loss
--bce_jaccard_loss
--cce_jaccard_loss
--custom_bce_jaccard_loss
- 。指标
--iou_score
--f_score
--f1_score
标准
使用空间数据的指标
- 。光栅
--IoU
--mIoU
- 。向量
--mAP50
/mAP5095
/mAPxx
-实例度量
--area_iou
。数据集
- 。光栅
--Band
/BandCollection
--BandSample
/BandSampleCollection
- 。向量
--Feature
/FeatureCollection
- 。变换
--polygonize
--rasterize
- .io
--Predictor
--WindowReader
--SampleWindowWriter
--SampleCollectionWindowWriter
- 。可视化
--add_mask
快速启动
importosimportmatpoltib.pyplpotaspltfromaeronet.datasetimportBandCollectionfromaeronet.datasetimportRandomDatasetfromaeronet.dataset.utilsimportparse_directoryfromaeronet.dataset.visualizationimportadd_mask# configurationSRC_DIR='/path/to/elements/'channels=['RED','GRN','BLU']labels=['100']# directories of dataset elementsdirs=[os.path.join(SRC_DIR,x)forxinos.listdir(SRC_DIR)]print('Found collections: ',len(dirs),end='\n\n')# parse channels in directoriesband_paths=[parse_direcotry(x,channels+labels)forxindirs]print('BandCollection 0 paths:\n',band_paths[0],end='\n\n')# convert to `BandCollection` objectsband_collections=[BandCollection(fps)forfpsinband_paths]print('BandCollection 0 object:\n',repr(band_collections[0]))# create random dataset samplerdataset=RandomDataset(band_collections,sample_size=(512,512),input_channels=channels,output_labels=labels,transform=None)# pre-processing function# get random samplegenerated_sample=dataset[0]image=generated_sample['image']mask=generated_sample['mask']#visualizemasked_image=add_mask(image,mask)plt.figure(figsize=(10,10))plt.imshow(masked_image)plt.show()