懂AI
GeoSeg

GeoSeg

遥感图像语义分割框架 支持多种数据集和先进模型

GeoSeg是一个开源的遥感图像语义分割工具箱,基于PyTorch等框架开发。它专注于先进视觉Transformer模型,支持多个遥感数据集,提供统一训练脚本和多尺度训练测试功能。项目实现了Mamba、Vision Transformer和CNN等多种网络架构,为遥感图像分割研究提供统一基准平台。

GeoSeg语义分割遥感图像Vision Transformer深度学习Github开源项目
访问官网GitHubHugging Face论文

2.0版本（稳定版）

欢迎访问我的主页!

新闻

PWC PWC PWC PWC

  • PyramidMamba的代码已发布。
  • 我已将此仓库更新到PyTorch 2.0和PyTorch-Lightning 2.0版本，支持多GPU训练等功能。
  • 骨干网络的预训练权重可以从Google Drive获取。
  • UNetFormer（已被ISPRS接收，PDF）和UAVid数据集现已支持。
  • 现已支持ISPRS Vaihingen和Potsdam数据集。由于不允许私下分享，您需要从官方网站下载数据集并按照文件夹结构进行拆分。
  • 更多网络已更新，并提供了预训练权重的链接。
  • config/loveda/dcswin.py提供了关于配置设置的详细说明。
  • 现支持对大型遥感图像进行推理（inference_huge_image.py）。

介绍

GeoSeg是一个基于PyTorch、pytorch lightning和timm的开源语义分割工具箱，主要专注于开发先进的视觉Transformer用于遥感图像分割。

主要特点

  • 统一的基准测试

    我们为各种分割方法提供了统一的训练脚本。

  • 简单高效

    得益于pytorch lightning和timm，代码易于进一步开发。

  • 支持的遥感数据集

  • 多尺度训练和测试

  • 支持对大型遥感图像进行推理

支持的网络

文件夹结构

准备以下文件夹来组织此仓库：

airs
├── GeoSeg (代码)
├── pretrain_weights (骨干网络的预训练权重，如vit、swin等)
├── model_weights (保存在ISPRS vaihingen、LoveDA等数据集上训练的模型权重)
├── fig_results (保存模型预测的掩码)
├── lightning_logs (CSV格式的训练日志)
├── data
│   ├── LoveDA
│   │   ├── Train
│   │   │   ├── Urban
│   │   │   │   ├── images_png (原始图像)
│   │   │   │   ├── masks_png (原始掩码)
│   │   │   │   ├── masks_png_convert (用于训练的转换后掩码)
│   │   │   │   ├── masks_png_convert_rgb (原始RGB格式掩码)
│   │   │   ├── Rural
│   │   │   │   ├── images_png 
│   │   │   │   ├── masks_png 
│   │   │   │   ├── masks_png_convert
│   │   │   │   ├── masks_png_convert_rgb
│   │   ├── Val (与Train相同)
│   │   ├── Test
│   │   ├── train_val (合并Train和Val)
│   ├── uavid
│   │   ├── uavid_train（原始）
│   │   ├── uavid_val（原始）
│   │   ├── uavid_test（原始）
│   │   ├── uavid_train_val（合并uavid_train和uavid_val）
│   │   ├── train（处理后）
│   │   ├── val（处理后）
│   │   ├── train_val（处理后）
│   ├── vaihingen
│   │   ├── train_images（原始）
│   │   ├── train_masks（原始）
│   │   ├── test_images（原始）
│   │   ├── test_masks（原始）
│   │   ├── test_masks_eroded（原始）
│   │   ├── train（处理后）
│   │   ├── test（处理后）
│   ├── potsdam（与vaihingen相同）

安装

使用Linux终端打开airs文件夹并创建Python环境：

conda create -n airs python=3.8
conda activate airs
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
pip install -r GeoSeg/requirements.txt

安装Mamba

pip install causal-conv1d>=1.4.0
pip install mamba-ssm

骨干网络预训练权重

百度网盘 : 1234

谷歌云端硬盘

数据预处理

从官方网站下载数据集并自行分割。

Vaihingen

生成训练集。

python GeoSeg/tools/vaihingen_patch_split.py \
--img-dir "data/vaihingen/train_images" \
--mask-dir "data/vaihingen/train_masks" \
--output-img-dir "data/vaihingen/train/images_1024" \
--output-mask-dir "data/vaihingen/train/masks_1024" \
--mode "train" --split-size 1024 --stride 512

生成测试集。

python GeoSeg/tools/vaihingen_patch_split.py \
--img-dir "data/vaihingen/test_images" \
--mask-dir "data/vaihingen/test_masks_eroded" \
--output-img-dir "data/vaihingen/test/images_1024" \
--output-mask-dir "data/vaihingen/test/masks_1024" \
--mode "val" --split-size 1024 --stride 1024 \
--eroded

生成masks_1024_rgb（RGB格式的地面实况标签）用于可视化。

python GeoSeg/tools/vaihingen_patch_split.py \
--img-dir "data/vaihingen/test_images" \
--mask-dir "data/vaihingen/test_masks" \
--output-img-dir "data/vaihingen/test/images_1024" \
--output-mask-dir "data/vaihingen/test/masks_1024_rgb" \
--mode "val" --split-size 1024 --stride 1024 \
--gt

对于验证集，你可以从训练集中选择一些图像来构建。

Potsdam

python GeoSeg/tools/potsdam_patch_split.py \
--img-dir "data/potsdam/train_images" \
--mask-dir "data/potsdam/train_masks" \
--output-img-dir "data/potsdam/train/images_1024" \
--output-mask-dir "data/potsdam/train/masks_1024" \
--mode "train" --split-size 1024 --stride 1024 --rgb-image 

python GeoSeg/tools/potsdam_patch_split.py \
--img-dir "data/potsdam/test_images" \
--mask-dir "data/potsdam/test_masks_eroded" \
--output-img-dir "data/potsdam/test/images_1024" \
--output-mask-dir "data/potsdam/test/masks_1024" \
--mode "val" --split-size 1024 --stride 1024 \
--eroded --rgb-image

python GeoSeg/tools/potsdam_patch_split.py \
--img-dir "data/potsdam/test_images" \
--mask-dir "data/potsdam/test_masks" \
--output-img-dir "data/potsdam/test/images_1024" \
--output-mask-dir "data/potsdam/test/masks_1024_rgb" \
--mode "val" --split-size 1024 --stride 1024 \
--gt --rgb-image

UAVid

python GeoSeg/tools/uavid_patch_split.py \
--input-dir "data/uavid/uavid_train_val" \
--output-img-dir "data/uavid/train_val/images" \
--output-mask-dir "data/uavid/train_val/masks" \
--mode 'train' --split-size-h 1024 --split-size-w 1024 \
--stride-h 1024 --stride-w 1024

python GeoSeg/tools/uavid_patch_split.py \
--input-dir "data/uavid/uavid_train" \
--output-img-dir "data/uavid/train/images" \
--output-mask-dir "data/uavid/train/masks" \
--mode 'train' --split-size-h 1024 --split-size-w 1024 \
--stride-h 1024 --stride-w 1024

python GeoSeg/tools/uavid_patch_split.py \
--input-dir "data/uavid/uavid_val" \
--output-img-dir "data/uavid/val/images" \
--output-mask-dir "data/uavid/val/masks" \
--mode 'val' --split-size-h 1024 --split-size-w 1024 \
--stride-h 1024 --stride-w 1024

LoveDA

python GeoSeg/tools/loveda_mask_convert.py --mask-dir data/LoveDA/Train/Rural/masks_png --output-mask-dir data/LoveDA/Train/Rural/masks_png_convert
python GeoSeg/tools/loveda_mask_convert.py --mask-dir data/LoveDA/Train/Urban/masks_png --output-mask-dir data/LoveDA/Train/Urban/masks_png_convert
python GeoSeg/tools/loveda_mask_convert.py --mask-dir data/LoveDA/Val/Rural/masks_png --output-mask-dir data/LoveDA/Val/Rural/masks_png_convert
python GeoSeg/tools/loveda_mask_convert.py --mask-dir data/LoveDA/Val/Urban/masks_png --output-mask-dir data/LoveDA/Val/Urban/masks_png_convert

训练

"-c"表示配置文件的路径，使用不同的配置来训练不同的模型。 python GeoSeg/train_supervision.py -c GeoSeg/config/uavid/unetformer.py


## 测试

"-c" 表示配置文件的路径，使用不同的**配置**来测试不同的模型。

"-o" 表示输出路径

"-t" 表示测试时增强（TTA），可以是 [None, 'lr', 'd4']，默认为 None，'lr' 是翻转 TTA，'d4' 是多尺度 TTA

"--rgb" 表示是否以 RGB 格式输出掩码

**Vaihingen**

python GeoSeg/vaihingen_test.py -c GeoSeg/config/vaihingen/dcswin.py -o fig_results/vaihingen/dcswin --rgb -t 'd4'


**Potsdam**

python GeoSeg/potsdam_test.py -c GeoSeg/config/potsdam/dcswin.py -o fig_results/potsdam/dcswin --rgb -t 'lr'


**LoveDA**（[在线测试](https://codalab.lisn.upsaclay.fr/competitions/421)）

python GeoSeg/loveda_test.py -c GeoSeg/config/loveda/dcswin.py -o fig_results/loveda/dcswin_test -t 'd4'


**UAVid**（[在线测试](https://codalab.lisn.upsaclay.fr/competitions/7302)）

python GeoSeg/inference_uavid.py
-i 'data/uavid/uavid_test'
-c GeoSeg/config/uavid/unetformer.py
-o fig_results/uavid/unetformer_r18
-t 'lr' -ph 1152 -pw 1024 -b 2 -d "uavid"


## 对大型遥感图像进行推理

python GeoSeg/inference_huge_image.py
-i data/vaihingen/test_images
-c GeoSeg/config/vaihingen/dcswin.py
-o fig_results/vaihingen/dcswin_huge
-t 'lr' -ph 512 -pw 512 -b 2 -d "pv"


<div>
<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/80786347-4c0a-43ec-867a-92e4392b1d23.png" width="30%"/>
<img src="https://yellow-cdn.veclightyear.com/0a4dffa0/5cec1c1b-21f3-4f3a-97a6-8c77b0d92885.png" width="35.5%"/>
</div>

## 复现结果
|    方法     |  数据集   |  F1   |  OA   |  mIoU |
|:-------------:|:---------:|:-----:|:-----:|------:|
|  UNetFormer   |   UAVid   |   -   |   -   | 67.63 |
|  UNetFormer   | Vaihingen | 90.30 | 91.10 | 82.54 |
|  UNetFormer   |  Potsdam  | 92.64 | 91.19 | 86.52 |
|  UNetFormer   |  LoveDA   |   -   |   -   | 52.97 |
| FT-UNetFormer | Vaihingen | 91.17 | 91.74 | 83.98 |
| FT-UNetFormer |  Potsdam  | 93.22 | 91.87 | 87.50 |

由于训练阶段的一些随机操作，复现结果（运行一次）与论文中报告的结果略有不同。

## 引用

如果您在研究中发现本项目有用，请考虑引用：

- [UNetFormer: A UNet-like transformer for efficient semantic segmentation of remote sensing urban scene imagery](https://authors.elsevier.com/a/1fIji3I9x1j9Fs)
- [A Novel Transformer Based Semantic Segmentation Scheme for Fine-Resolution Remote Sensing Images](https://ieeexplore.ieee.org/abstract/document/9681903) 
- [Transformer Meets Convolution: A Bilateral Awareness Network for Semantic Segmentation of Very Fine Resolution Urban Scene Images](https://www.mdpi.com/2072-4292/13/16/3065)
- [ABCNet: Attentive Bilateral Contextual Network for Efficient Semantic Segmentation of Fine-Resolution Remote Sensing Images](https://www.sciencedirect.com/science/article/pii/S0924271621002379)
- [Multiattention network for semantic segmentation of fine-resolution remote sensing images](https://ieeexplore.ieee.org/abstract/document/9487010)
- [A2-FPN for semantic segmentation of fine-resolution remotely sensed images](https://www.tandfonline.com/doi/full/10.1080/01431161.2022.2030071)

## 致谢

我们希望 **GeoSeg** 能够通过提供统一的基准和激发研究人员开发自己的分割网络来为不断增长的遥感研究服务。非常感谢以下项目对 **GeoSeg** 的贡献。
- [pytorch lightning](https://www.pytorchlightning.ai/)
- [timm](https://github.com/rwightman/pytorch-image-models)
- [pytorch-toolbelt](https://github.com/BloodAxe/pytorch-toolbelt)
- [ttach](https://github.com/qubvel/ttach)
- [catalyst](https://github.com/catalyst-team/catalyst)
- [mmsegmentation](https://github.com/open-mmlab/mmsegmentation)

编辑推荐精选

问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多