pupil1視角，凡是看過的全部進行upvote作為標記

?

kernel	注釋	框架	輸出模型格式
EDA: Find Me In The Clouds	非常贊的可視化（博文下方列出其主要內容）	?	?
Strange Single Pixel Holes in Masks	mask中有一些黑點（不重要）	?	?
Efficient Net B4 Unet Clouds	不提供自己的文件EfficientNetB4.h5(作廢)	?	?
Understanding Clouds Keras Unet	試圖講清楚Unet	?	?
MaskRCNN for cloud classification (Keras)	0.5786	Keras	h5
gold medalImage Segmentation From Scratch in Pytorch	0.6296	Pytorch	pt
Satellite Clouds: U-Net with ResNet Encoder	0.5945	Pytorch	h5
InceptionResNetV2 for Cloud Classifier	0.6579(需要輸入模型)	keras	讀取pytorch模型，然后使用了keras
Train With Crops - CV 0.60+	0.6286	keras	h5
keras efficientnetb2 for classifying cloud(解讀完畢)	0.6583	keras	h5自己訓練分類模型修正別人的分割結果csv
ResUNet Keras with some new ideas	0.6534	keras	沒輸出模型
Segmentation in PyTorch using convenient tools	0.6419	pytorch	pth
Satellite Clouds: U-Net with ResNet Encoder	0.5945	keras	h5
Image Segmentation From Scratch in Pytorch	0.6296	pytorch	pt
Cloud: ConvexHull& Polygon PostProcessing (No GPU)	非常重要	pytorch	沒有輸出模型，但是評論區贊譽有加
Classification in catalyst with utility scripts	0.5495	pytorch	pth
Cloud Bounding Boxes - CV 0.58	0.6114	keras	沒有輸出模型
Understanding Clouds - EDA and Keras U-Net	0.6215	keras	沒有輸出模型
Keras EfficientnetB4	0.6555	keras	h5
[TF Tutorial] Semantic Segmentation With U-Net++	新手代碼	Keras	h5
Fine-turning model with AdaBound	0.6433	pytorch	pth
[Beginner] Cloud segmentation using Keras	0.5975	Keras	h5
Cloud Classifier for Post-processing	0.6554(需要輸入單模)	?	h5
Cloud Segmentation with utility scripts and Keras	0.6532	Keras	h5
GradCAM: extracting masks from classifier	0.6141	pytorch	沒有輸出模型
Turbo Charging Andrew's Pytorch	0.6492	pytorch	pth
Deeplabv3+ with mobilenetv2	思路參考	?	?
Dataset preparation - Resize images	加速訓練時間的技術	?	?
Multi-label segmentation using fastai	fastai進行多標簽語義分割	?	?
Exploring Challenging Images	彩色視圖可視化（可以學習下）	?	?
Deeplabv3+ with mobilenetv2	從steel上面遷移過來的。	?	?
Dataset preparation for segmentation task	同一張圖上繪制四種不同的云層	?	?
Understanding Clouds EDA	值得學習的技巧: 圖片數據集的KDE繪制， 以及不同類別的云朵的mask繪制在一張圖中	?	?
dump_cloud_simple_experiment(解讀完畢)	想法很有意思: submission.csv全部留空白，直接提交的得分是:0.4775(沒用)	?	?
5fold Stratified Split(解讀完畢，分割錯誤的kernel)	stratified_group_k_fold劃分	?	?
Average Masks(解讀完畢)	位置和云的種類的關系（應該沒用） 重要的知識點: plt.imshow()?can be misleading because it scales the largest value to yellow	?	?

?

?

?

上面，從

EDA: Find Me In The Clouds

中，可以看出每個類別的云朵的典型圖案是咋樣的，如下：

draw_label_only('Fish')

?

?

draw_label_only('Flower')

?

?

?

draw_label_only('Gravel')

?

?

draw_label_only('Sugar')

?

?

比賽全局可視化參考[1]

?

?

上面的黑色長縫是衛星沒有掃描到的。

?

?

Reference:

[1]https://worldview.earthdata.nasa.gov/?v=-212.63534236130425,-125.13556527739146,192.36465763869575,74.55193472260854&t=2019-10-28-T04%3A00%3A00Z

總結

以上是生活随笔為你收集整理的Understanding Clouds from Satellite Images的kernel调研＋肉眼识别每种云朵示例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。