一些训练好的AI模型效果测试
本文介绍了多个遥感影像和无人机模型的应用情况。建筑物变化分析模型(pth)支持双时期影像输入,精度0.6;烟火检测(onnx)精度达0.8;垃圾和罂粟检测精度均为0.5。船只和松材线虫检测需预处理tif,精度分别为0.8和0.6。飞机检测精度0.8。行人和人群检测支持视频输入,精度均为0.8,但不支持shp输出。各模型均提供Python调用接口,支持文件夹和单张图片输入(部分支持视频),并给出了对
建筑物变化分析:
模型类别:pth、遥感影像模型、python调用
支持输入类型:文件夹(文件夹路径-1(1时期影像存储位置)、2(2时期影像存储位置)×× -1.tif、××-1.tif)
效果:精度为0.6左右,下图为效果
运行命令行:python predict_shuju.py --input=/clients/weijianbianhua-data/


烟火
模型类别:onnx、无人机模型
支持输入类型:文件夹、单张图片
效果:精度为0.8左右,下图为效果
命令行:python fire.py --mode=folder --input=fire-data/ -o=1010

垃圾
模型类别:onnx、无人机模型
支持输入类型:文件夹、单张图片
效果:精度为0.5左右,下图为效果
命令行:python garbage.py --mode=folder --input=garbage-data/ -o=1010


罂粟
模型类别:onnx、无人机模型
支持输入类型:文件夹、单张图片
效果:精度为0.5左右,下图为效果
命令行:python yingsu.py --mode=folder --input=yingsu-data/ -o=1011

船只
预处理:需要先将tif裁剪成小图像
模型类别:onnx、遥感影像模型、python调用
支持输入类型:文件夹、单张图片
效果:精度为0.8左右,下图为效果
命令行:python ship.py --mode=folder --input=ship-data/ -o=1011-ship

松材线虫
预处理:需要先将tif裁剪成小图像
模型类别:onnx、遥感影像模型、python调用
支持输入类型:文件夹、单张图片
效果:精度为0.6左右,下图为效果
命令行:python songcaixianchong.py --mode=folder --input=scxc-data/ -o=1011-scxc
飞机
模型类别:onnx、遥感影像模型
支持输入类型:文件夹、单张图片
效果:精度为0.8左右,下图为效果
命令行:python plane.py --mode=folder --input=plane-data/ -o=1011-plane

行人
模型类别:onnx、无人机模型、不支持输出shp
支持输入类型:视频、文件夹、单张图片
效果:精度为0.8左右,下图为效果
命令行:python client-person.py --mode=video --input=renquncheyongdu.mp4 -o=test.mp4

人群
模型类别:onnx、无人机模型、不支持输出shp
支持输入类型:视频、文件夹、单张图片
效果:精度为0.8左右,下图为效果
命令行:python client-renqun.py --mode=video --input=renquncheyongdu.mp4 -o=test.mp4

更多推荐



所有评论(0)