飞桨常规赛：遥感影像地块分割 - 10月第5名方案

首页

热心网友

转载

2025-07-24

该内容为基于PaddleSeg 2.3版本的图像分割实践流程。先解压PaddleSeg套件并改名，解压数据集；再按9:1比例分割生成训练和验证列表文件，获59986和6666样本；选用Swin Transformer模型，执行训练和预测命令，最后打包result下的伪彩色预测结果。

飞桨常规赛：遥感影像地块分割 - 10月第5名方案 - 游乐网

准备工作

安装PaddleSeg以及更新依赖

这里使用的PaddleSeg的2.3版本
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

In [ ]

# 解压PaddleSeg套件!unzip -oq /home/aistudio/data/data114849/PaddleSeg-release-2.3.zip

登录后复制In [ ]

# 为方便后期操作将文件夹改名!mv PaddleSeg-release-2.3 PaddleSeg

登录后复制In [ ]

# 安装依赖，AIStudio实验环境已有相关依赖#!pip install -r PaddleSeg/requirements.txt

登录后复制

解压数据集

In [2]

!unzip -oq /home/aistudio/data/data77571/train_and_label.zip -d data/!unzip -oq /home/aistudio/data/data77571/img_test.zip -d data/

登录后复制

生成训练列表文件

这里直接按比例分割，没有用shuffle

In [4]

import osimg_train_dir = os.listdir('./data/img_train')train_val_ratio = 0.9 #划分训练集和验证集的比例train_img_num = int(len(img_train_dir)*train_val_ratio)val_img_num = len(img_train_dir) - train_img_numtrain_list_origin = img_train_dir[:train_img_num]val_list_origin = img_train_dir[train_img_num:]print(len(train_list_origin),len(val_list_origin)) #输出训练集和验证集数量#生成trainlistwith open('train_list.txt','w') as f:    for i in range(len(train_list_origin)):        train_img_name = 'img_train/' + train_list_origin[i]        train_lab_name = 'lab_train/' + train_list_origin[i].split('.')[0] + '.webp'        f.write(train_img_name + ' ' + train_lab_name + '\n')#生成vallistwith open('val_list.txt','w') as f:    for i in range(len(val_list_origin)):        val_img_name = 'img_train/' + val_list_origin[i]        val_lab_name = 'lab_train/' + val_list_origin[i].split('.')[0] + '.webp'        f.write(val_img_name + ' ' + val_lab_name + '\n')

登录后复制

59986 6666

登录后复制

模型选择和实践

Swin Transformer简介

Swin Transformer是ViT的一大进步，建议参考李沐大神读论文的方法啃原论文

Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

飞桨常规赛：遥感影像地块分割 - 10月第5名方案 - 游乐网

模型训练

In [ ]

!python PaddleSeg/train.py \       --config swin.yml \       --do_eval \       --use_vdl \       --save_interval 4000 \       --save_dir output

登录后复制

模型预测

In [ ]

!python PaddleSeg/predict.py \       --config swin0.yml \       --model_path output/best_model/model.pdparams \       --image_path data/img_testA \       --save_dir ./result

登录后复制

前往output\home\aistudio\result\pseudo_color_prediction打包预测结果

来源:https://www.php.cn/faq/1425861.html

免责声明：游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。

上一篇：DeepSeek写作中如何调用外部数据源提升内容权威性？下一篇：多模态AI如何处理量子数据多模态AI量子计算可视化

相关攻略

openclaw在飞书测试报错access not configured.

常见报错解析：“Access Not Configured”故障排除指南许多开发者和团队成员在使用OpenClaw集成飞书时，都曾遭遇过一个典型的中断提示：“access not configured”（访问未配置）。该提示会明确显示您的飞书账户ID及一组唯一的配对验证码，并指出需要联系机器人所有

热心网友

04.02

OpenClaw 常用指令速查

OpenClaw 常用指令大全与使用详解 openclaw status：此命令是查看OpenClaw系统整体健康状态的核心指令，执行后即获取服务运行状况的全面报告，是日常运维的首要诊断工具。 openclaw gateway restart：在修改网关配置后，必须运行此指令以重启网关服务，使配置文

热心网友

04.02