D-LinkNet使用在ImageNet数据集上预训练的ResNet34作为其编码器。ResNet34最初是为256×256尺寸的中分辨率图像分类而设计的,但在这一挑战中,任务是从1024×1024的高分辨率卫星图像中分割道路。考虑到狭窄性、连通性、复杂性和道路跨度长等方面,重要的是增加网络中心部分的特征的感受范围,并保留详细信息。使用池化层...
编码器部分(RseNet34)有5个下采样层,如果一个大小为1024×1024的图像通过编码器部分,输出的feature map为大小为32×32。在这种情况下,D-LinkNet在中心部分使用膨胀的卷积层,膨胀率为1,2,4,8,因此最后中间的层上的特征点将在第一个中心特征图上看到31×31个点,覆盖第一个中心特征图的主要部分。但是,D-LinkNe...
参考:遥感影像语义分割:D-LinkNet训练自己的数据集 参考:NekoApocalypse/road-extraction-d-linknet 代码: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 ...
whjpython/D-linknetPublic Notifications Fork3 Star27 Files master 网络 README.md ToolGUI.py data.py framework.py loss.py predict_best.py test.py train.py
摘要 本发明公开了一种基于D‑LinkNet的低质量文档图像二值化方法,首先将彩色文档图像降维处理为灰度图像;然后对步骤1中获得的灰色图像,进行数据裁剪与扩增,获得统一大小的文档图像;接着将步骤2中获得的文档图像输入D‑LinkNet模型中,训练D‑LinkNet模型;通过反向传播优化损失函数;最后对图像进行测试得到二值化图像...
摘要 本发明公开了一种基于改进D‑LinkNet的卫星影像云检测方法,应用人工勾云样本生成二值图标签;其次,对D‑LinkNet50的编码器进行改进,使用带有通道注意力机制的ResNeSt50‑Block替换原始的ResNet50‑Block;另外,对损失函数进行加权,测试分析发现只用交叉熵损失作为损失函数,检测精度更高,最后使用条件随机场(CRF...
基于D-LinkNet和Deeplab网络模型的土地利 櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄 ［１１］胡志杰，李 淳．水蒸气活化法制备稻壳活性炭的研究［Ｊ］．生 物质化学工程，２００７，４１（５）：２１－２４．［１２］欧阳东．稻壳灰对高强超高强...
本人的任务是转写torch框架的DLinknet模型,并达到与原项目对标的精度 我改写的代码在MindSpore-DeepGlobe-Road-Extraction-Challenge-master 其中loss.py dinknet.py 是主要的转写文件,与原项目中同名文件对应, train.py 与 callback.py文件为训练文件与自定义的CallBack类文件 另外,原项目设计了dinknet34、dinknet50...
《IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium》.2019, (续)审查员 葛敏雪 (54)发明名称基于DLinkNet的遥感图像道路提取方法(57)摘要本发明公开了一种基于DLinkNet构建的DenseNetPlus遥感图像道路提取方法,构建了包括输入层、卷积池化层、编码结构、解码结构和特征图谱全连接通道的...
Run python train.py to train the default D-LinkNet34. Predict Run python test.py to predict on the default D-LinkNet34. Download trained D-LinkNet34 Dropbox 百度网盘About D-LinkNet: LinkNet with Pretrained Encoder and Dilated Convolution for High Resolution Satellite Imagery Road Extraction open...