整个源码有两个大目录：lagent和Multi_change。前者是agent能力，包含工具调用、任务分解、llm接入等。后者是只做变化检测与自然语言描述任务，看起来用的是segformer。

agent在什么时候会调用segformer呢：在用户请求分析两张图像间的变化等。调用路径：通过agent触发，调用image_change_imterpreter.py中的Visual_Change_Process_PythonInterpreter这个action。

lagent下面有actions、agents和llms目录。

actions是动作层，里面定义了供agent调用的可执行工具。

agents是策略层，有reAct、rewoo等风格的agent。

llms是llm接入层。

一些小知识：

1. thought: dict = dict(role='THOUGHT', begin='Thought:', end='\n', belong='assistant')是传入的参数，初始化为一个字典。

react.py里面的。

2.

def chat(self, message: Union[str, dict, List[dict]],

**kwargs) -> AgentReturn:

这里面，message: Union[str, dict, List[dict]]是类型注解，Union[A, B, C] 表示参数可以是 A、B 或 C 中的任意一种类型

3. 

    parser = argparse.ArgumentParser(description='Remote_Sensing_Image_Change_Interpretation')
    parser.add_argument('--imgA_path', default=r'../tmp_dir/train_1a.png')
    parser.add_argument('--imgB_path', default=r'../tmp_dir/train_1b.png')
    parser.add_argument('--mask_save_path', default=r'../tmp_dir/CDmask.png')

    args = parser.parse_args()
    imgA_path = args.imgA_path
    imgB_path = args.imgB_path

先parser = argparse.ArgumentParser创建一个解析器对象，然后parser.add_argument是告诉解析器有哪些参数，而args = parser.parse_args() 是解析器根据前面定义的规则，去解析命令行参数。

运行streamlit的时候，streamlit run web_demo.py --server.address=0.0.0.0 --server.port=8501用这个命令，就可以别的机器访问了。

网页成功运行了，但是我上传两张图片，问是否有变化，输出的mask结果很差。看流程发现是tool运行失败，就执行了最简单的差分去算mask。于是接下来直接看predict.py能不能运行成功。

predict.py报错说维度不对。原始图像是hwc，一般转置后是chw，因为pytorch之类的用起来方便，会是(B,C,H,W)

整个运行起来的数据流是，先经过encoder，然后经过attentieEncoder生成mask，然后经过decoder生成文本描述。

无变化样本：1930个

有变化样本：1928个

观察了一下，别的文章中的指标是f1 iou rec prec这几个。问了ai，说是这几个指标是二分类的指标。change-agent中用的是多分类的指标：miou（所有类别iou的平均值）、acc（像素准确率）、acc_cls（对每个类别的准确率取平均）、FWIoU_seg（频率加权的交并比，根据类别出现的频率取平均）、类别交并比IoU (Class-wise)[0.9810, 0.7954, 0.8200]

跑一下训练试试

python train.py --train_goal 2 --data_folder /root/autodl-tmp/datasets/LEVIR-MCI-dataset/images --savepath ./models_ckpt/