人工智能地球项目地图中心枢纽和监测作物用水。
cropmask的Python项目详细描述
Cropmask是一个项目,旨在训练和部署多光谱卫星图像的中心支点农业制图实例分割模型。它扩展了matterport's module,这是Mask R-CNN在python 3、keras和tensorflow上的实现。Cropmask使用多光谱卫星图像,通过Terraform将基础设施编码为代码,以在Azure上提供测试集群,并最终将包含一个单张或OpenLayers Web应用程序,以公开全球旱地作物用水地图。
有关MASK R-CNN体系结构的说明,以及检查模型输入和输出的笔记本教程和笔记本的一般指南,请参见matterport's mrcnn repo。
有关海报形式的项目概述,请参阅我在2018年秋季会议上发布的这张海报。
以下是2004年内布拉斯加州西部陆地卫星SR场景测试的初步结果。探测结果是红色的,内布拉斯加州农业部的目标是绿色的。指标是(概率得分)/(联合上的交集)
本地安装cropmask依赖项,请参阅terraform/
文件夹以获取设置azure组件的说明。
安装依赖项并安装软件包
conda env create -f cropmask-env.yml python setup.py install # use develop instead of install for editable mode
在
~
创建一个名为.lsru
的文件,并填写您的nasa地球探测器登录凭据[usgs] username= password=
复制
azure_configs_template.yaml
,将其命名为azure_configs.yaml
,并将其放在git存储库之外(这样您就不会不小心提交它)。根据模板上的注释填写。找到你想用这个tool获得陆地卫星图像的分水岭。记下huc id和huc级别(huc id中的位数),并将它们放入azure config.yaml文件中
从releases page下载预先训练的coco权重(mask_rcnn_coco.h5)。
(可选)在MS CoCo上进行培训或测试,从这些回购协议中安装
pycocotools
。它们是python3和windows(官方的repo看起来不再是活动的)修复程序的原始pycotools的分支。- Linux:https://github.com/waleedka/coco
- 窗户:https://github.com/philferriere/cocoapi。 您必须在您的路径上拥有VisualC++ 2015的构建工具(参见Reo的更多细节)
使用Nebraska 2005 Center Pivots Dataset标签进行训练,并将投影定义为内布拉斯加州国家飞机NAD 1983,单位为美国英尺,即EPSG代码102704