首页 / 资讯中心 / 文章详情

UNet实现遥感图像语义分割:PyTorch毕业设计源码与踩坑实践

UNet实现遥感图像语义分割:PyTorch毕业设计源码与踩坑实践 ★ FEATURED ARTICLE
简介一份基于UNet的遥感图像语义分割Python毕业设计项目含可运行源码与配套论文面向计算机、地理信息等专业学生适用于毕业设计、课程设计及期末大作业。项目源码经本地编译运行评审分达98分难度适中覆盖从数据预处理、模型搭建、训练到预测的完整语义分割流程。压缩包共68个文件约46.94MB主要包含6个py核心模块、3个ipynb交互式笔记分别用于数据集制作、模型训练与结果预测、5个tex论文源文件及对应pdf另有32个png和6个svg图像辅助说明网络结构及分割效果。论文按毕业设计标准组织含绪论、相关技术、系统设计、实验分析等章节可直接参考或扩展。已有369人学习下载目录提供README、启动脚本与TensorBoard配置便于快速复现实验、调试参数或在此基础上进行二次开发。1. 用 UNet 做遥感图像语义分割这份 Python 毕业设计源码到底能跑出什么遥感图像和普通照片最大的区别是目标尺度跨度极大、背景噪声又多一栋房子可能只占几十个像素而大片农田又连成一体。如果你正为毕业设计选方向或者课程设计需要一份能交差的完整工程基于 UNet 的遥感图像语义分割是性价比很高的选择结构不复杂、训练收敛快、可视化效果好答辩 PPT 上放两张对比图就很有说服力。这份 Python 毕业设计源码把整个链路都摊开了——数据裁剪、模型定义、训练、预测、TensorBoard 可视化、LaTeX 论文模板全在一个压缩包里本地能编译能运行适合直接照着复现再改成自己的数据集。下面按我拆项目的习惯从文件结构讲到训练参数再说清楚哪些地方容易翻车。2. 先看清压缩包结构再动手文件清单、启动脚本与论文源码的关系很多同学拿到 zip 第一件事就是双击 README这没问题但 README 往往只写了“怎么跑”没写“为什么这么组织”。我建议先花十分钟把整个目录过一遍搞清楚哪个文件负责什么后面改代码才知道动哪里。2.1 master 目录与 src 四个模块data / model / cnn / train 各自该改哪里解压后是一个 master 工程目录核心代码在 src 文件夹里包含utils.py、cnn.py、model.py、data.py、train.py和__init__.py。这个拆分方式很典型符合 PyTorch 工程的基本约定文件职责你要改什么utils.py公共工具函数比如模型权重初始化、指标计算一般不用动cnn.py基础卷积模块比如双卷积块、下采样块换网络结构时才动model.py定义 UNet 模型主体改类别数、输入通道数时动这里data.py数据集类、数据加载和预处理换数据集、改裁剪尺寸时动这里train.py训练主循环包括损失、优化器、模型保存改学习率、epoch、batch size 时动这里cnn.py和model.py的分工值得留意cnn.py里是卷积、BN、ReLU 这类基础积木model.py用这些积木搭出 UNet 的编码器、解码器和跳跃连接。这样拆的好处是你想把 UNet 换成 Attention UNet 或者 ResUNet 时只需要在model.py里重新组合cnn.py里的模块不用重写底层卷积。我刚拿到这个工程时第一件事就是打开cnn.py看它的conv_block返回的是[feature_map]还是(feature_map, skip)这决定了跳跃连接怎么接。2.2 两个 .ipynb 和一个 .ps1从 create_dataset 到 train 再到 predict 的路径压缩包里还有demo文件夹放着create_dataset.ipynb、train.ipynb、predict.ipynb三个 notebook。它们对应三条操作路径create_dataset.ipynb把原始遥感影像切成小 patch生成训练用的图片和标签。这是整个项目最容易出错的一步后面第 3 章详细讲。train.ipynbnotebook 版的训练入口。它的代码逻辑和train.py基本一致区别在于你可以分段执行方便看中间输出。新手我建议先跑这个报错时能看到具体在哪一行。predict.ipynb加载训练好的权重对测试影像做推理并可视化分割结果。答辩前做演示就靠它。两个 .ps1 启动脚本是 Windows PowerShell 下用的start_jupyter.ps1启动 Jupyter Notebookstart_tensorboard.ps1启动 TensorBoard。它们的本质只是把常用命令封装好比如start_tensorboard.ps1里就是tensorboard --logdirruns这类操作免去每次敲一长串参数。如果你在 Linux/macOS 上跑直接在终端执行同样的命令即可。2.3 LaTeX 论文源码与 PDF你拿到的不仅是代码目录里还有毕业论文文件夹里面是chap1.tex到chap5.tex、Bibs引用库、Figures配图和字体文件夹另外还有一份基于 U-Net 网络的遥感图像语义分割_郭子睿.pdf。这说明资源附带的不只是可运行代码还有一份完整的 LaTeX 论文底稿。毕业设计最头疼的论文格式、图表排版、参考文献格式这里都有现成模板。我一般会建议先看 PDF 了解论文结构再对照.tex源码学 LaTeX 排版不要上来就改内容——先把编译跑通再一段一段替换成自己的实验数据。你只需要一个 LaTeX 编译环境比如 TeX Live 或 Overleaf把整个毕业论文文件夹传上去就能编译出 PDF。3. 把遥感影像切成模型能吃的样子create_dataset.ipynb 与数据预处理遥感影像动不动就是几千乘几千像素直接整图喂给 UNet显存立刻爆掉。所以第一步永远是裁剪。create_dataset.ipynb做的就是这件事但裁剪不是简单切块里面有几个细节决定训练效果好坏。3.1 滑动窗口裁剪与重叠为什么 stride 必须小于 patch_size假设原图是 4096 x 4096如果你用 256 x 256 的窗口、步长也是 256那正好能切成 16 x 16 个 patch互不重叠。问题在于一个目标比如一栋楼如果恰好落在两个 patch 的边界上模型训练时只看到它的一半推理时很容易把另一半认错。常见做法是让窗口重叠也就是步长小于窗口尺寸。下面的代码演示了等效逻辑import os import cv2 import numpy as np from tqdm import tqdm image_dir raw/images label_dir raw/labels out_img_dir data/images out_lab_dir data/labels patch_size 256 stride 224 # 比 patch_size 小 32即 12.5% 重叠 os.makedirs(out_img_dir, exist_okTrue) os.makedirs(out_lab_dir, exist_okTrue) for name in tqdm(os.listdir(image_dir)): img cv2.imread(os.path.join(image_dir, name)) lab cv2.imread(os.path.join(label_dir, name), cv2.IMREAD_GRAYSCALE) h, w img.shape[:2] idx 0 for y in range(0, h - patch_size 1, stride): for x in range(0, w - patch_size 1, stride): img_patch img[y:ypatch_size, x:xpatch_size] lab_patch lab[y:ypatch_size, x:xpatch_size] cv2.imwrite(os.path.join(out_img_dir, f{name[:-4]}_{idx}.png), img_patch) cv2.imwrite(os.path.join(out_lab_dir, f{name[:-4]}_{idx}.png), lab_patch) idx 1逻辑说明外层循环按 y 方向、内层循环按 x 方向滑动range(0, h - patch_size 1, stride)保证 patch 不超出图像边界。重叠部分实际上让同一个目标出现在多个训练样本里相当于免费的数据增强。参数说明patch_size256是 UNet 最常用的输入尺寸兼顾感受野和显存占用stride224意味着 overlap 为 32 像素对遥感语义分割来说这个重叠比例是够用的。如果你显存紧张patch_size 可以降到 128但 stride 最好保持比 patch_size 小一点比如 112。3.2 标签掩码的处理灰度值不等于类别编号裁剪只是第一步。很多遥感数据集的标签是单通道灰度 PNG里面每个像素的值代表一个类别编号比如 0 是背景、1 是水体、2 是建筑、3 是植被。问题在于你在数据加载时有没有把掩码转成torch.long()类型PyTorch 的 CrossEntropyLoss 期望输入是[B, H, W]的整数张量但如果你把掩码读成uint8后直接归一化模型训练时 loss 会直接报错。更隐蔽的错误是cv2.imread读出来是 BGR 三通道如果标签图是三通道但每个通道值相同看起来是灰度图实际上 shape 是(H, W, 3)直接 squeeze 会出问题。常见做法是在data.py里加断言assert len(mask.shape) 2, fMask should be 2D, got {mask.shape}至于是否需要转 one-hot取决于你用的是CrossEntropyLoss还是BCEWithLogitsLoss。多分类用前者整数标签直接喂二分类如果只是“前景/背景”标签保持 0 和 1 即可。不需要提前做 one-hotPyTorch 的CrossEntropyLoss内部会处理。3.3 数据增强遥感裁剪后别急着训练裁剪完的 patch 数量通常很可观但遥感图像存在明显的类别不平衡——“背景”占了绝大多数像素“目标”往往只有零星几个。直接训练loss 会被背景主导。在create_dataset.ipynb里一般会做额外的增强我在复现时习惯加随机水平翻转、垂直翻转和 90 度旋转这三种操作不改变语义标签的对应关系代码也简单from torchvision import transforms train_transforms transforms.Compose([ transforms.RandomHorizontalFlip(p0.5), transforms.RandomVerticalFlip(p0.5), transforms.RandomRotation(90), transforms.ToTensor(), transforms.Normalize(mean[0.485, 0.456, 0.406], std[0.229, 0.224, 0.225]) ])注意RandomRotation(90)只旋转 90 的整数倍不会引入插值误差如果你用任意角度旋转标签和图像需要同步做相同变换还得处理边缘填充问题容易踩坑。Normalize 用 ImageNet 的均值方差是迁移学习时的常见做法如果你从零训练也可以不改。别加RandomResizedCrop它会改变目标的尺度比例语义分割任务里容易让模型学到错误的空间关系。4. 读懂 model.py 里的 UNet 与 train.py 的训练参数网络结构与超参设计数据准备好了接下来是理解模型和训练。很多同学直接python train.py就跑loss 降不下去也不知道看哪里。这一章把 model.py 里的 UNet 结构和 train.py 里的关键参数讲透你才能根据 loss 曲线判断是网络问题还是数据问题。4.1 UNet 的编码器-解码器结构与跳跃连接UNet 为什么适合遥感分割因为遥感影像的目标边界往往不清晰比如水体边界的植被、建筑物阴影里的道路纯靠卷积下采样会丢失细节。UNet 的编码器逐层下采样提取语义信息解码器逐层上采样恢复空间分辨率中间的跳跃连接skip connection把编码器每一层的特征图拼接到解码器对应层相当于给解码器提供了高分辨率的细节线索。model.py 里的 UNet 实现核心逻辑大概是这样的简化和说明import torch import torch.nn as nn from cnn import DoubleConv, Down, Up class UNet(nn.Module): def __init__(self, in_channels3, num_classes4, base_channels64): super().__init__() self.inc DoubleConv(in_channels, base_channels) self.down1 Down(base_channels, base_channels * 2) self.down2 Down(base_channels * 2, base_channels * 4) self.down3 Down(base_channels * 4, base_channels * 8) self.down4 Down(base_channels * 8, base_channels * 8) self.up1 Up(base_channels * 8, base_channels * 8) self.up2 Up(base_channels * 16, base_channels * 4) self.up3 Up(base_channels * 8, base_channels * 2) self.up4 Up(base_channels * 4, base_channels) self.outc nn.Conv2d(base_channels, num_classes, kernel_size1) def forward(self, x): x1 self.inc(x) x2 self.down1(x1) x3 self.down2(x2) x4 self.down3(x3) x5 self.down4(x4) x self.up1(x5) x torch.cat([x, x4], dim1) # 注意维度是 channels x self.up2(x) x torch.cat([x, x3], dim1) x self.up3(x) x torch.cat([x, x2], dim1) x self.up4(x) x torch.cat([x, x1], dim1) x self.outc(x) return x逻辑说明编码器四个Down模块逐步把通道数翻倍、空间尺寸减半最底层的两个base_channels * 8是瓶颈层没有再做下采样。解码器每个Up模块上采样后和对应的编码器特征图沿通道维度拼接所以up2的输入通道是base_channels * 16——来自上层的 8 倍通道和来自跳跃连接的 8 倍通道各占一半。参数说明base_channels64是 UNet 论文标准配置显存吃紧时可以改成 32但分割精度通常会有可感知的下降num_classes必须改成你自己数据集的类别数别忘改这里忘了就会训练时最后一层输出维度对不上。4.2 损失函数CrossEntropy 还是 DiceLosstrain.py 里默认用哪种损失取决于数据集的类别数量。如果是二分类背景/目标常见做法是用BCEWithLogitsLoss如果是多分类用CrossEntropyLoss。但遥感分割几乎都会遇到类别不平衡问题纯交叉熵会让模型倾向于把所有像素都预测成背景。我在实际项目中常用的做法是交叉熵加上 Dice Loss 的加权和import torch.nn as nn import torch.nn.functional as F class CombinedLoss(nn.Module): def __init__(self, weight_ce0.7, weight_dice0.3): super().__init__() self.weight_ce weight_ce self.weight_dice weight_dice def forward(self, logits, targets): # softmax 得到概率 probs F.softmax(logits, dim1) # 将标签转为 one-hot与 logits 形状对齐 targets_onehot F.one_hot(targets, num_classeslogits.shape[1]).permute(0, 3, 1, 2).float() # Dice 部分先算每个类别的 Dice再取平均 intersection (probs * targets_onehot).sum(dim(2, 3)) union probs.sum(dim(2, 3)) targets_onehot.sum(dim(2, 3)) dice (2.0 * intersection 1e-6) / (union 1e-6) dice_loss 1.0 - dice.mean() # 交叉熵部分 ce_loss F.cross_entropy(logits, targets) return self.weight_ce * ce_loss self.weight_dice * dice_loss逻辑说明Dice Loss 直接优化目标区域的重叠度对前景占比小的类别比交叉熵更鲁棒。代码里intersection / union逐类别计算 1e-6是为了防止除零。参数说明weight_ce0.7, weight_dice0.3是我常用的比例如果你发现模型预测结果中目标区域太小可以把 dice 权重调到 0.5 甚至 0.6。注意F.one_hot要求标签是整数且在[0, num_classes)范围内命令行训练时如果标签里有像素值为 255 的 ignore 区域得先把它掩掉或替换成 0。4.3 训练超参学习率、batch size 与模型保存train.py 里的超参是影响收敛的关键。我复现这个项目时第一次跑就发现 loss 在 0.69 附近震荡不下降原因是学习率设成了1e-2在 Adam 优化器下直接发散。后来改回1e-4才正常。稳定配置参考如下python train.py --epochs 50 --batch_size 8 --lr 1e-4 --val_ratio 0.2参数说明--epochs 50对遥感分割差不多够用如果数据量大或者类别多可以放到 100但要注意保存最优模型否则后 30 个 epoch 可能过拟合。--batch_size 8是 4GB 显存的下限如果你用 24GB 显存的显卡可以调到 16收敛速度会快不少。--lr 1e-4是 Adam 的典型安全值配合ReduceLROnPlateau每 5 个 epoch 损失不降就乘以 0.5实战中效果好于 cosine 退火。--val_ratio 0.2表示从训练集里留 20% 做验证不要在训练完抽样验证容易把随机性当精度。train.py 里模型保存逻辑一般长这样best_loss float(inf) for epoch in range(epochs): train_loss run_epoch(model, train_loader, optimizer, criterion) val_loss evaluate(model, val_loader, criterion) if val_loss best_loss: best_loss val_loss torch.save(model.state_dict(), best_model.pth) print(fepoch {epoch}: save best model, val_loss {val_loss:.4f})这里有个值得注意的细节保存的是model.state_dict()而不是整个模型对象。state_dict 只包含参数体积小加载时只需要UNet(...).load_state_dict(torch.load(best_model.pth))。如果你保存整个模型对象每次 PyTorch 版本升级都要重新 pickle跨环境迁移会非常痛苦。5. 避坑遥感语义分割训练里最容易翻车的五个问题这个项目我在本地反复跑了好几轮也帮人排查过各种问题。下面按“现象 → 原因 → 解决”列出最值得注意的五条。5.1 训练时 loss 一直是 0.69 左右几乎不下降现象模型训练十几个 epochloss 稳定在 0.69 附近无论学习率怎么调都纹丝不动。原因0.69 是二分类交叉熵的初始概率说明模型把所有像素都预测成了占主导的类别多半是标签文件没正确加载掩码全黑模型学到了“输出全 0”。解决用cv2.imread读一张标签图打印np.unique(mask)确认类别值分布。如果全为 0去create_dataset.ipynb检查标签路径是否写对如果标签值范围不对在data.py里做一次mask (mask 255).astype(np.int64)之类的映射。5.2 输入输出尺寸对不上forward 报错现象torch.cat时两个张量空间尺寸不一致报错信息在model.py的torch.cat([x, x4], dim1)这一行。原因UNet 编码器每层下采样 2 倍如果输入尺寸是奇数比如 255 x 255下采样后变成 127 或 128跳跃连接两侧尺寸总是差 1 像素。解决把输入统一处理成 2 的幂次比如 256、512、1024。在data.py的数据集类里transforms.Resize((256, 256))是最省事的办法。也可以给 UNet 加 padding但改到一半很容易引入更大麻烦不建议。5.3 显存不够OOM 报错现象CUDA out of memory训练刚启动就退出。原因patch_size 太大、batch_size 太高、原图通道数比预期多。解决先按--batch_size 2跑通再逐步翻倍如果 patch_size 是 512降到 256。还有一种情况是图像 PNG 其实带 4 通道 RGBA3 通道的 UNet 输入会报Expected 3 channels, got 4读图时指定cv2.IMREAD_COLOR强制转成 BGR。5.4 本地能跑服务器上 import 直接报错现象代码在 Windows 本地正常传到 Linux 服务器python train.py报ModuleNotFoundError: No module named cnn。原因项目放在 src 目录直接python train.py时 Python 不会把当前目录自动加入 sys.path跨平台时相对导入失效。解决在 train.py 顶部加sys.path.append(os.path.dirname(os.path.abspath(__file__)))或者始终从 src 目录下用python -m train启动让 Python 把当前目录当模块根。5.5 TensorBoard 没有曲线输出现象start_tensorboard.ps1启动后浏览器打开端口一片空白提示No dashboards are active。原因训练时没有写日志。PyTorch 不像 Keras 自动记录必须显式创建SummaryWriter并把标量写进去。解决在train.py里加上from torch.utils.tensorboard import SummaryWriter writer SummaryWriter(runs/exp1) # 每个 epoch 结束后 writer.add_scalar(loss/train, train_loss, epoch) writer.add_scalar(loss/val, val_loss, epoch)确认runs目录里有文件后再启动 TensorBoard不要手滑把日志写到了别的路径。写完后随手writer.close()释放资源不然多次训练会把日志文件弄乱。6. 验证与复现从 TensorBoard 曲线到 IoU 指标确认你的模型真的训起来了模型训练完、best_model.pth 也保存了下一步就是确认它能用——这一步很多人会跳过直接拿去交差结果答辩时发现模型在验证集上效果惨不忍睹。6.1 先看 TensorBoard 的损失曲线训练完第一时间打开 TensorBoard不看最终数值看曲线形态。正常的曲线是训练集和验证集的 loss 同步下降最后收敛在一个平台期如果验证集 loss 在某个 epoch 后反弹上升说明过拟合了回到--epochs减少训练轮数或加 dropout。如果两条曲线一直贴得很近且最终 loss 不高这是一个好信号。6.2 用 predict.ipynb 做一次完整的推理可视化预测和训练最大的区别是推理时不需要标签而且通常不需要裁剪成 patch——你可以整图喂进去也可以切块再拼回来。predict.ipynb 里一般会演示单张图像的加载和可视化分割结果from model import UNet import torch import matplotlib.pyplot as plt model UNet(in_channels3, num_classes4) model.load_state_dict(torch.load(best_model.pth, map_locationcpu)) model.eval() # 加载测试图并转为 tensor img cv2.imread(test.png) img_rgb cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_tensor torch.from_numpy(img_rgb.transpose(2, 0, 1)).float().unsqueeze(0) / 255.0 with torch.no_grad(): logits model(img_tensor) # [1, 4, H, W] pred torch.argmax(logits, dim1) # [1, H, W]每个像素是类别编号 pred_np pred.squeeze(0).numpy() plt.imshow(pred_np, cmaptab20) plt.savefig(prediction.png, dpi300, bbox_inchestight)在这段代码里map_locationcpu是为了在没有 GPU 的机器上也能复现这是我从一次答辩现场学来的教训项目复制到教室电脑上跑不起来就尴尬了。torch.argmax在通道维度取最大值下标得到的是类别标签图。保存成 PNG 时最好用cmaptab20否则类别多时颜色相近容易看不出边界。6.3 算一次 IoU别只看 lossloss 下降不代表分割效果好尤其类别不平衡时loss 降了但目标区域全是错的。常见做法是算每个类别的 IoU 和 mIoUdef compute_iou(pred, target, num_classes4): ious [] for cls in range(num_classes): p (pred cls) t (target cls) inter (p t).sum() union (p | t).sum() if union 0: ious.append(inter / union) return sum(ious) / len(ious)灰度分割图的 IoU 大于 0.5说明模型具备基本识别能力如果某个类别 IoU 低于 0.2多半是样本太少或者标签有误回去查数据而不是调模型。从那以后我每次复现这类项目都会强制走一遍推理、IoU、可视化三步确认数据流从头到尾没有断裂再谈调参。这套流程不复杂但能帮你避开大多数“训练一时爽答辩火葬场”的尴尬希望帮到你。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助?
咨询建站