zhengbochao
39c1265b7e
create README.md
|
před 1 týdnem | |
|---|---|---|
| Swin-Transformer | před 1 týdnem | |
| apex | před 1 týdnem | |
| datamange | před 1 týdnem | |
| demo | před 1 týdnem | |
| tutel | před 1 týdnem | |
| wildfire-smoke-detection | před 1 týdnem | |
| .gitignore | před 1 týdnem | |
| README.md | před 1 týdnem | |
| __init__.py | před 1 týdnem | |
| requirements.txt | před 1 týdnem |
README.md
项目位置：249服务器 /data/fengyang/sunwin/code/swin_conda_env/Wildfire目录下面
- 标注好的数据放在datamage目录下，其中图片存放在images目录下，json文件存放在json目录下
- 运行datamange/createMask.py文件将datamange/data/json目录下的标注文件转化成mask图像，存放在同目录的mask目录下
- 运行datamange/mask2small_classification.py文件将512*512图像切成128*128（可自行更改）小块，并结合mask图像将切分出来的图片区分成有烟或无烟的两种分类样本，最终数据存放在dadamange/result_class目录中
- 将生成好的result_class数据区分训练集和测试集后，将训练集数据放入Wildfire/Swin-Transformer/imagemet/train/目录下，测试集数据放入Swin-Transformer/imagemet/test/目录下
- 运行Swin-Transformer/目录下的train.sh脚本即可开始训练
推理
- 将视频裁成图片，并且将图片resize成512*512大小后，将图片切成128*128的小块保存，并记录每块小图对应原图的原始位置，方便后续拼接还原
- 运行val.sh脚本 --datapath是需要推理图片的路径 --resume 是训练好的模型。最终得到图像分类的结果信息
- 将结果通过每小块图像的位置对应到原图上去，得到最终的推理结果