Solar-Panels-Detection:利用U-Net对航拍图中的太阳能电池板进行检测与定位

简介：
本研究提出了一种基于U-Net架构的方法，用于从高分辨率卫星图像中自动识别和定位太阳能电池板。通过深度学习技术优化光伏系统的监测与分析。 太阳能电池板检测是通过高分辨率航空影像来识别太阳能电池板的过程。我们使用PyTorch实施了U-Net模型的训练，并且进行了一项基准研究，该研究利用Sentinel-2图像以及开放式街道地图为其他检测问题创建训练集。 项目中的关键文件包括： - `src/data_loader.py`：用于从数据集中加载尺寸为256x256像素的图像。 - `src/utils/solar_panels_detection_california.py`：此脚本使用geojson文件和航拍图像来生成太阳能电池板检测训练集。 - `src/train_unet2.py`：该文件通过Cuda张量对U-Net模型进行训练。 - `src/train_unet2_cpu.py`：用于在CPU上执行的版本，利用cpu张量来进行同样的操作。 - `src/Hogwild/train_unet2_cpu_Hogwild.py`：此脚本允许在一个集群节点内通过分布式方式训练U-Net。