利用 Pytorch 的 TorchGeo 进行人工智能地理空间分析（二）

文章预览

     前言     在上一章节，我们了解了如何使用TorchGeo创建栅格数据集(RasterDataset)并使用随机采样器（RandomSampler）绘制栅格中的部分内容。在本章节中我们将再深入一步，将影像和掩膜并入一个IntersectionDataset对象，绘制训练影像和对应的标签（水体掩膜）。 数据集Datasets     在开始之前，我们复制上一章节的代码片段，以便在Colab中准备好环境。之后我们将按照之前的过程过程为影像数据创建RasterDataset，为创建掩膜数据的数据集，我们需要注意一点的是，我们为掩膜创建的RasterDataset不是影像。这样，当从掩膜文件中获取的样本会返回带有掩膜键的数据，而不是通常影像中使用的影像键，注意，我们gist中输出的代码显示了每个样本的键。 OBS: 与前一个章节的另一个不同之处在于，在这里我们给图像数据集传递了一个变换函数，以便将值正确 ………………………………