遥感作物分类

参考项目pytorch-psetae

论文地址Satellite Image Time Series Classification With Pixel-Set Encoders and Temporal Self-Attention

配置环境

git clone https://github.com/set-path/pse-tae.git
cd pse-tae
conda create -n env_name python=3.8
conda activate env_name
pip install -r requirements.txt

项目文件说明

data/：存储推理需要使用的辅助数据

learning/：模型初始化方法，损失计算方法，指标计算方法

models/：模型文件

checkpoints/：模型参数文件

dataset.py：数据集文件

example/：示例数据

predict_code.py：推理接口

preprocessing.py：数据预处理接口

接口说明

接口支持数据格式：多个日期的tiff文件，以日期命名，例如20220707.tiff

接口参数说明：

--data：指向待推理的时序数据文件夹（预处理后）

--weight_dir：预训练参数文件夹（不需要手动指定）

--fold：选择使用的预训练参数（训练使用5折交叉验证，所以有5个预训练参数），可选1~5或all

--device：推理使用的设备

--num_classes：分类数量

其余参数一般不需要改变

推理一般流程

1. 首先将以日期命名的单个地块的tiff文件放到同一个文件夹下

2. 进行数据预处理，将多个维度为$(channel,width,height)$转换成$(sequence,channel,N)$，其中$N$是一幅图像中的所有有效像素数，格式为.npy，存储在你的待推理地块文件夹/DATA目录下，同时会在你的待推理地块文件夹/META目录下生成geomfeat.json文件，用于辅助模型推理

python preprocessing.py --path 你的待推理地块文件夹路径 --noData 0 --shpPath shp文件路径

参数说明

--path：指向待推理的时序数据文件夹

--noData：计算有效像素N，忽略noData的值，默认为0

--shpPath：用于计算地块的几何特征，在shp文件的相同路径下要有该地块的.shx、.prj、.dbf文件，且文件名相同

3. 推理

python predict_code.py --data 你的待推理地块文件夹路径

示例

python preprocessing.py --path example\youcai_050107953_23940 --noData 32767 --shpPath example\youcai_050107953_23940.shp

python predict_code.py --data example\youcai_050107953_23940

output:油菜