PaddleRS 手把手教你PaddleRS实现变化检测

本文为PaddleRS实现变化检测提供保姆级教程，涵盖数据组织、模型训练到推理应用全流程。其贡献包括独家的变化检测数据集切片代码、数据列表生成、推理示例，还详解配置文件参数。介绍了PaddleRS及变化检测任务特殊性，浅析相关网络架构与训练文件，补全套件功能，最后展示结果，助力新手掌握全流程。

PaddleRS 手把手教你PaddleRS实现变化检测

在最新详细教程发布前，可参考本保姆级教程，从数据组织、模型训练到推理应用，让你一键跑通，纵享丝滑

本项目主要贡献：

PaddleRS简介

PaddleRS是基于飞桨开发的遥感处理平台，支持遥感图像分类，目标检测，图像分割，以及变化检测等常用遥感任务，帮助开发者更便捷地完成从训练到部署全流程遥感深度学习应用。

项目意义

变化检测任务较为特殊，需要给网络提供前后两个时相的遥感影像与对应label，无基础的用户可能应用困难。

图像分类、目标检测、语义分割三大任务可参考对应的套件，但变化检测没得参考。

本项目应运而生，为国产开源贡献绵薄之力。

网络架构浅析

以cdnet为例，路径：PaddleRS/ paddlers / custom_models / cd / models / cdnet.py

非常简单的三部分：

训练文件浅析

以cdnet为例，路径：tutorials/train/change_detection/cdnet_build.py

model = pdrs.tasks.CDNet(num_classes=num_classes, in_channels=6)，其中num_classes是读取的label.txt的行数。由num_classes = len(train_dataset.labels)获取。

大部分情况下，变化检测是二分类任务，所以label.txt随便写两行即可，例如：

0

1

train_transforms = T.Compose([    T.Resize(target_size=512),    T.RandomHorizontalFlip(),    T.Normalize(        mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5]),])

train_dataset = pdrs.datasets.CDDataset(    data_dir='E:/dataFiles/github/PaddleRS/tutorials/train/change_detection/DataSet',    file_list='tutorials/train/change_detection/DataSet/train.txt',    label_list='tutorials/train/change_detection/DataSet/labels.txt',    transforms=train_transforms,    num_workers=0,    shuffle=True)

model.train(    num_epochs=1,    train_dataset=train_dataset,    train_batch_size=4,    eval_dataset=eval_dataset,    learning_rate=0.01,    pretrain_weights=None,    save_dir='output/cdnet')

套件功能补全

保留原数据集结构，work/train，val，text三个文件夹下所有图片一键切片，克隆原数据集目录结构，方便快捷

顺便说个bug !python PaddleRS/setup.py install 会报错 FileNotFoundError: [Errno 2] No such file or directory: 'README.md'

# 准备数据!unzip -oq data/data136610/LEVIR-CD.zip -d data/# 切片!python work/spliter-cd.py --image_folder data/LEVIR-CD --block_size 256 --save_folder dataset# 创建列表!python work/create_list.py --image_folder ./dataset/train --A A --B B --label label --save_txt train.txt!python work/create_list.py --image_folder ./dataset/val --A A --B B --label label --save_txt val.txt!python work/create_list.py --image_folder ./dataset/test --A A --B B --label label --save_txt test.txt

# 准备环境!git clone https://gitee.com/cloudzhangyi/PaddleRS.git!pip install -r PaddleRS/requirements.txt

# 开始训练!cp ./work/cdnet_build_and_train.py PaddleRS/tutorials/train/change_detection!python PaddleRS/tutorials/train/change_detection/cdnet_build_and_train.py

训练曲线可视化

运行上面代码，会产生output/cdnet/vdl_log文件夹，此文件内文件是VisualDL可读取的训练信息

按照上图步骤，启动可视化，查看训练曲线

# 这是你训练的权重，如果你训练充分的话用这个# !python work/cdnet_predict.py --weight output/cdnet/best_model/model.pdparams --A dataset/test/A/test_2_0_0.webp --B dataset/test/B/test_2_0_0.webp --pre ./work/pre.webp# 这是我训练的权重，直接看的话用这个，100个epoch!python work/cdnet_predict.py --weight work/model.pdparams --A dataset/test/A/test_2_0_0.webp --B dataset/test/B/test_2_0_0.webp --pre ./work/pre.webp

结果展示

test数据集中结果展示,从左到右分别是T1,T2,label,prediction,分析图

分析图中：

蓝色：True Positive （真正, TP）被模型预测为正的正样本

绿色：False Positive （假正, FP）被模型预测为正的负样本

红色：False Negative（假负 , FN）被模型预测为负的正样本

毕竟用的最简单的网络，效果并不是很好，训练100个rpoch，验证集最佳F1值在0.85左右

本项目至此结束，希望PaddleRS越做越好。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：PaddleRS 手把手教你PaddleRS实现变化检测要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题