使用ICNet模型对航拍图片(遥感图像)进行图像分割
数据集下载：
- 百度网盘下载链接：https://pan.baidu.com/s/1boXj_k00eg74j729-yK0Gg
- 提取码：pcxh
- 说明：5张图片中前4张用来切分，然后训练网络模型，最后一张图片5.png用来做测试
已训练完成模型下载（其中有1000步和40万步，1000用来参考，40万是最终训练模型）：
- 百度网盘下载链接：https://pan.baidu.com/s/1do8RRWy_uDGl5snW5Gxujg
- 提取码：k7hz
- 说明：此处大家也可以自行训练，不采用此处提供的模型。如果下载，请放在模型文件夹下（chkpnt/400000）
训练环境关键包依赖
- numpy == 1.18.1
- opencv-python == 4.2.0.32
- paddlepaddle-gpu == 1.7.1.post97 (python3.6版本，post97为cuda9+cudnn7，其他版本可以对应安装post)
- pandas == 0.25.3
执行方式（注意，以下脚本有生成文件指令，请附带sudo权限）：
1.图片裁剪
python preprocess.py
2.训练神经网络
简化版本，均使用默认参数请执行：
python train.py
指定参数请执行：
python train.py --batch_size=64 --checkpoint_path=chkpnt --init_model=chkpnt/1000 --use_gpu=True
说明：checkpoint_path： 模型将保存的路径，默认为10000步保存一次。
init_model： 预训练模型的路径，本次没有给出预训练模型。
模型恢复训练方式： 指定最新的模型路径来恢复训练，记得修改当
前迭代步数以保证正常训练（如在1000步时终止
，记得修改迭代步数从1000开始，而不是默认参数0）
3.评估网络模型
python eval.py --model_path=chkpnt/400000
说明：model_path是指定的模型文件路径
4.通过已训练完成的网络模型预测图片
直接预测：
python infer1.py --model_path=chkpnt/400000 --images_path=dataset/origin/5.png
膨胀预测优化（推荐使用）：
python infer_exp.py --model_path=chkpnt/400000 --images_path=dataset/origin/5.png
迭代过程展示（部分细节）：
膨胀预测优化：
最终结果对比图1：
最终结果对比图2：
代码部分细节解释请参考我的CSDN博客：https://blog.csdn.net/qq_28626909/article/details/106489285
个人微信联系方式：wy1119744330 (添加请备注来意)
本次数据集提供以及部分数据处理参考代码：https://github.com/ximimiao/deeplabv3-Tensorflow
感谢@zhangwenjing对项目质量审查帮助，感谢@anxiangsir提供图片裁剪脚本，感谢@PaddlePaddle提供icnet网络结构相关源代码