上一篇文章我介绍了STANet的环境配置:windows系统建筑物变化分析STANet训练推理保姆级教程-CSDN博客

这篇文章我将用遥感和无人机正射影像数据集做建筑物的变化分析训练。

一、准备数据集

1.STANet网络层有自己的变化分析数据集格式要求，如下图，需要训练train、验证val和测试test三个数据集包。位置随意放，等训练的时候修改代码路径即可。

2.同时，每个文件夹中包含A文件夹（变化前的图像）、B文件夹（变化后的图像）、label文件夹（变化的建筑物标签图像）。这三个文件夹中的所有图像大小均为1024*1024，变化前后标签图像名字要一一对应，切不可混乱，STANet读取数据的时候是根据图像对应名称进行输入的。

3.遥感影像tif、无人机正射影像tif文件和变化shp我采取了自主开发的模式，将原有的数据集转换为1024*1024大小的png图像，生成2686对变化影像对和2686张label变化图训练数据。616组验证数据，179组测试数据。

4.训练数据集展示：

(更多数据集请添加小企鹅1901935655)

5.为了避免误报，增强模型的鲁棒性，我添加了1000对未变化的数据集影像和未变化标签。共计数据集4481组（4481幅时相1图像、4181幅时相2影像、4181幅变化图标签图）。

数据集到此准备完毕，下面进行训练（需要数据集请添加小企鹅1901935655）

二、进行模型训练

1.在options文件夹中的base_options.py中修改一下训练和验证数据集的路径：我这里直接在项目当前目录，所以为./train、./val

2.开始训练：定位到项目目录，在终端输入命令：

python train.py

第一轮训练： 

3.训练的pth模型文件全部保存在checkpoints文件夹下面。

4.源代码中可能存在一些问题，需要自己调试，需要已经调试好的代码可去小企鹅寻求帮助。