模型訓(xùn)練

• 首先需要訓(xùn)練一個(gè)遙感建筑提取的模型，數(shù)據(jù)集采用的武漢大學(xué)的衛(wèi)星數(shù)據(jù)集Satellite dataset I (global cities)
  
• 清洗數(shù)據(jù)為需要的格式和數(shù)據(jù)類型
• PaddleX是PaddlePaddle全流程開(kāi)發(fā)工具，包含的PaddleCV覆蓋CV領(lǐng)域圖像分類、目標(biāo)檢測(cè)、語(yǔ)義分割、實(shí)例分割四大主流任務(wù)場(chǎng)景。其中PaddleSeg是基于PaddlePaddle開(kāi)發(fā)的端到端圖像分割開(kāi)發(fā)套件，覆蓋了DeepLabv3+, U-Net, ICNet, PSPNet, HRNet, Fast-SCNN等主流分割網(wǎng)絡(luò)。通過(guò)模塊化的設(shè)計(jì)，以配置化方式驅(qū)動(dòng)模型組合，幫助開(kāi)發(fā)者更便捷地完成從訓(xùn)練到部署的全流程圖像分割應(yīng)用。在百度的AI Studio平臺(tái)，使用全流程工具PaddleX，訓(xùn)練一個(gè)建筑提取的模型。使用deeplabv3+訓(xùn)練大概500輪，保存模型，精度如下

miou=0.815452, category_iou=[0.99341516 0.63748982], macc=0.993491, category_acc=[0.99626439 0.80194003], kappa=0.775318 .

• 將預(yù)測(cè)模型導(dǎo)出在本地文件夾
  
• 本地測(cè)試的結(jié)果如下
  
• 對(duì)結(jié)果進(jìn)行開(kāi)閉運(yùn)算，去掉小的毛刺和填補(bǔ)小的孔洞，再將結(jié)果轉(zhuǎn)換為二值圖像。使用opencv-python中的findContours方法來(lái)尋找邊界，尋找到的邊界由坐標(biāo)構(gòu)成，再對(duì)邊界進(jìn)行面積和周長(zhǎng)的統(tǒng)計(jì)。使用contourArea和arcLength方法計(jì)算面積周長(zhǎng)，保存在字典中
• 基于上面得到的面積周長(zhǎng)和實(shí)際建筑的高度，利用回歸得到一個(gè)高度預(yù)測(cè)模型，用于預(yù)測(cè)建筑拉伸的高度

grasshopper電池構(gòu)建

• Grasshopper（簡(jiǎn)稱GH）是一款可視化編程語(yǔ)言，它基于Rhino平臺(tái)運(yùn)行，是數(shù)據(jù)化設(shè)計(jì)方向的主流軟件之一，同時(shí)與交互設(shè)計(jì)也有重疊的區(qū)域。與傳統(tǒng)設(shè)計(jì)方法相比，GH的最大的特點(diǎn)有兩個(gè)：一是可以通過(guò)輸入指令，使計(jì)算機(jī)根據(jù)擬定的算法自動(dòng)生成結(jié)果，算法結(jié)果不限于模型，視頻流媒體以及可視化方案。二是通過(guò)編寫算法程序，機(jī)械性的重復(fù)操作及大量具有邏輯的演化過(guò)程可被計(jì)算機(jī)的循環(huán)運(yùn)算取代，方案調(diào)整也可通過(guò)參數(shù)的修改直接得到修改結(jié)果，這些方式可以有效的提升設(shè)計(jì)人員的工作效率
• 注意

下載ghcpython，grasshopper自帶python為基于.net的ipython，要做深度學(xué)習(xí)的預(yù)測(cè)需要用到原生的python，ghcpython可以滿足

32位tif的遙感圖像無(wú)法讀取，需轉(zhuǎn)為8位或24位的tif

在rhnio中將圖像平移到以左上點(diǎn)為頂點(diǎn)的位置，對(duì)應(yīng)邊界位置，創(chuàng)建邊界進(jìn)行拉出，通過(guò)標(biāo)簽測(cè)試建立建筑

• 連接電池，常規(guī)操作用自帶的ipython，而本地裝上opencv和paddle使用ghcpython編寫電池，此時(shí)只需要在遙感圖像電池中輸入圖像的地址，在模型路徑電池寫上對(duì)應(yīng)的路徑，就可以在秒時(shí)間內(nèi)得到建筑的快速白模
  
  
• 電池和模型放在AI Studio的項(xiàng)目中了（CSDN的積分下載太坑了）

待改進(jìn)問(wèn)題

• 由于各國(guó)各地的建筑風(fēng)格不統(tǒng)一，且Satellite dataset I (global cities)數(shù)據(jù)集數(shù)據(jù)量較少，分割的效果一般
• 建筑高度信息數(shù)據(jù)過(guò)少過(guò)集中，且使用的因子較少，所以導(dǎo)致模型高度的預(yù)測(cè)準(zhǔn)確性較差
• 建筑輪廓過(guò)于不規(guī)則，可以使用一些方法進(jìn)行調(diào)整

總結(jié)

以上是生活随笔為你收集整理的Rhino(Grasshopper)+PaddleX快速建模的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。