阿里巴巴天池平台的二分类遥感图像分割挑战

简介：
简介：本次挑战赛由阿里巴巴天池平台举办，专注于利用机器学习技术进行二分类遥感图像分割，旨在推动卫星影像智能分析领域的技术创新与应用。 基础模型采用UNet++网络架构，并使用ImageNet预训练的timm-efficientNet-b8作为主干网络，在该模型中添加了scse注意力机制以增强特征提取能力。为了提高预测精度，我们训练了两个不同的模型并进行结果融合：第一个模型在数据增强的基础上利用b8版本进行了120轮训练；第二个模型同样使用数据增强和b8版本但仅训练了80轮。 操作系统为Linux 5.8.0-29-generic（Ubuntu），Python环境是3.7.9。原始训练集中的1000张图片被随机抽取并作为测试集，不参与实际的模型训练过程；其余数据则通过FastAI框架自带的数据增强库处理，并将其中20%划分为验证集。 在训练策略方面，我们采用了fit_flat_cos模式进行混合精度训练。两个模型分别经过80轮和120轮迭代后完成训练。在整个过程中使用了Adam优化器来调整权重参数，并且每一轮都会保存当前miou（平均交并比）最高的性能最佳的模型。 复现流程中，通过执行train.sh脚本来实现数据划分及模型训练任务；测试阶段则运行test.sh文件进行预测操作。最后，在1000张独立的测试集中评估两个已训练好的模型的表现，并依据每个类别的miou值来确定最终融合后的权重分配比例，从而达到优化整体性能的目的。