TorchSat是一个用于卫星图像分析的开源PyTorch框架。
torchsat的Python项目详细描述
TorchSat是一个基于PyTorch的开源卫星图像分析深度学习框架。在
This project is still work in progress. If you want to know more about it, please refer to the Roadmap .
Hightlight
- ：wink：支持多通道（3通道，例如8通道）图像和TIFF文件作为输入。在
- ：yum：用于分类、精液分割和目标检测的便捷数据扩充方法。在
- ：heart_-eyes：许多用于卫星视觉任务的模型，如ResNet、DenseNet、UNet、PSPNet、SSD、FasterRCNN。。。在
- 许多常见的卫星笑脸：很多。在
- ：张嘴：常见卫星视觉任务的训练脚本。在
安装
python3 setup.py install
如何使用
- 简介-
- Classification教程-
- 数据扩充-data-augmentation.ipynb
- Data loader
- models
- ^{str}1脚本
特点
数据扩充
我们假设所有的输入图像、掩码和bbox都应该是NumPy-ndarray。数据形状应该是[height，width]或[height，width，channels]。在
像素级
像素级变换仅更改输入图像，并将保留任何其他目标（如遮罩、边界框）不变。它支持所有频道的图像。有些转换只支持特定的输入通道。在
| Transform | Image | masks | BBoxes |
|---|---|---|---|
| ToTensor | ✓ | ✓ | ✓ |
| Normalize | ✓ | ✓ | ✓ |
| ToGray | ✓ | ✓ | ✓ |
| GaussianBlur | ✓ | ✓ | ✓ |
| RandomNoise | ✓ | ✓ | ✓ |
| RandomBrightness | ✓ | ✓ | ✓ |
| RandomContrast | ✓ | ✓ | ✓ |
空间层面
空间级变换将同时更改输入图像以及其他目标，如遮罩、边界框。它支持所有频道的图像。在
^{tb2}$型号
分类
所有通道均支持多通道输入（如8通道）。在
- VGG:
vgg11，vgg11_bn，vgg13，vgg13_bn，vgg16，vgg16_bn，vgg19_bn，vgg19 - ResNet:
resnet18，resnet34，restnet50，resnet101，resnet152 - DenseNet:
densenet121，densenet169，densenet201，densenet161 - 起始：
inception_v3 - MobileNet:
mobilenet_v2
- UNet:
unet，unet34，unet101，unet152（以resnet为主干）
数据加载器
分类
展示
如果您扩展此存储库或构建使用它的项目，我们很乐意听到您的意见。在
参考文献
注意
- {cha7}如果你正在找分店的话，请提高分店的视觉效果。但它被弃用了。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
