GID遥感数据集训练多分类模型day1

上回说到我检索到一份他人已切片完成的 GID5 数据,大小约 18 GB,后续可直接使用这份现成数据,省去自行处理。

飞桨上的GID5

这回就说,怎么使用这个数据集进行模型训练,文字纯手打,想到什么就打字什么。

GID5 数据是一个多分类的数据,包含150张高分二号影像,被切成512×512大小的图片。标签含有5种类别(不加空白),0:建筑、1:田地、2:林地、3:草地、4:水体

样本展示

所以这次我们训练的是一个多分类。鉴于我几乎没有做过多分类模型,所以本次将直接使用deeplabv3+的模型结构,重新开始训练。

代码怎么写,你去问下ai,它会告诉你怎么写。

这个时代,纯手搓写代码是不现实。

ai复制写代码也是有技巧的,这里我贴下我的提示词,你们可以参考一下,主要是描述这件事情是什么,应该怎么做,预期结果是什么,写清楚输入、输出的描述。

现在我输入一个文件夹,例如C:\\GID-5,C:\\GID-5\image 是影像,C:\\GID-5\label是标签,C:\\GID-5\image和C:\\GID-5\label都有150个文件夹,例如C:\\GID-5\image\GF2_PMS1__L1A0000564539-MSS1\GF2_PMS1__L1A0000564539-MSS1_1_1_img.tif,对应着标签是C:\\GID-5\label\GF2_PMS1__L1A0000564539-MSS1\GF2_PMS1__L1A0000564539-MSS1_1_1_label.png。其次 标签含有5种类别(不加空白),0:建筑、1:田地、2:林地、3:草地、4:水体,255是背景值。
现在改写以下脚本

提示词

训练过程,一般我在喝喝水,摸摸鱼,看下loss变化。

loss 变化

一般在训练好模型之后,要写一个推理的脚步,这时再把训练脚本再喂给ai就行,让ai生成推理脚本。
下面是模型在epoch 30的推理结果。

结果展示

在这里,此时此时我意识到我做错了。

本次训练的模型是5分类模型从一开始设计是存在错误,正确答案应该是要做一个6分类的,也就说要把背景也考虑进行,这个点是我在写提示词的时候没考虑到。

往常我一般是做二分类模型,或者是做大模型微调。因为我在前几年刚入门的时候,用过商汤的ai,它家的二分类模型结果很好,但是多分类模型效果一言难尽。

当时我是这样想的,作为一个小白,在不懂ai的时候,应该往容易突破的地方着手,先把基础的内容补全,然后再做有难度的。连商汤都做不好多分类,我一个新人还是先避开坑比较好。

不扯远的了,现在我要去改这个5分类模型训练的脚本了,改成6分类模型。

其实这个很好改的,把需求告诉ai,然后让ai改一下,提示词就写:对输入输出的格式做修改,由现在的五分类改成六分类,把标签文件中的背景值255当做 其他类,给我完整的代码。

让ai继续改