遥感深度学习实战准确率94.7%，用u-net从航拍图像中识别和绘制建筑物

文章预览

今天这篇文章来自国外一位数据科学家 Amber Walker，她在硕士期间，选修了一门名为“深度学习在高维数据分析和图像处理中的应用”在这门课里有一个项目是构建一个U-Net来从航拍图像中识别和绘制建筑物。 读完觉得很不错，遂翻译整理成了中文分享给大家。 本文将带你了解如何利用U-Net架构从航拍图像中提取建筑物轮廓的——这一方法实现了94.7%的准确率和76.7%的Dice系数。 作者的GitHub仓库： https://github.com/amberwalker-ds/u-net_semantic_segmentation 首先，什么是U-Net？ U-Net是一种专为图像分割任务设计的卷积神经网络（CNN）。 它最初是为生物医学图像分割而开发的，其架构由编码器和解码器组成，呈现出有趣的U形。 编码器（收缩路径）： 编码器由一系列卷积层（用于查找边缘和模式等特征）和最大池化层（有助于减小图像尺寸，以便模型专注于最重要的 ………………………………