VM-UNet 卫星图像植被分割 本仓库使用VM-UNet基于 Mamba 架构的变体原用于医学图像分割对卫星图像进行分割。本项目将其适配地理空间应用优化多通道卫星影像的处理。更多技术细节可参模型性能对比使用/不使用数据增强指标无增强使用增强变化趋势Loss0.18540.1842更好mIoU0.69170.6949更好F1/DSC0.81780.8199更好Accuracy0.76830.7743更好Specificity0.74390.7794显著提升Sensitivity0.78050.7717轻微下降 观察结论数据增强在多数指标上提升了性能尤其是特异性Specificity0.035。敏感性Sensitivity轻微下降意味着漏检False Negative略有增加。模型表现更保守倾向于减少误检False Positive。️ VM-UNet 环境配置1️⃣ 创建并激活环境conda create-nvmunetpython3.8-yconda activate vmunet2️⃣ 安装 CUDA 和 PyTorchcondainstall-cnvidia/label/cuda-11.8.0 cuda-toolkit pipinstalltorch1.13.0torchvision0.14.0torchaudio0.13.0 --extra-index-url https://download.pytorch.org/whl/cu1173️⃣ 安装依赖库pipinstallpackagingtimm0.4.12 pytest chardet yacs termcolor submitit tensorboardX pipinstalltriton2.0.0causal_conv1d1.0.0mamba_ssm1.0.1 pipinstallscikit-learn matplotlib thop h5py SimpleITK scikit-image medpy yacs4️⃣ 可选更新依赖condaenvupdate--fileenvironment.yaml --update-deps 此配置基于 VM-UNet 原仓库尝试通过.yaml安装后手动调整优化。如有问题欢迎反馈️ 训练 VM-UNet 模型步骤从提供的链接下载预训练权重并放入pre_trained_weights目录。执行以下命令# 克隆仓库gitclone https://github.com/f-kuzey-edes-huyal/VM-UNet_Satellite_Segmentation.git# 启动 WSLconda initexec$SHELLconda activate vmunet# 进入项目目录cd/mnt/c/VM-UNet_Satellite_Segmentation_Satellite_Segmentation# 设置库路径exportLD_LIBRARY_PATH/usr/lib/wsl/lib:$LD_LIBRARY_PATH# 使用增强数据训练模型python train_kuzey_new_data_dropout_last_with_aug.py翻译说明术语一致性“Mamba architecture”→“Mamba 架构”保留技术名词。“Specificity/Sensitivity”→“特异性/敏感性”医学/影像分析标准译法。“False Negative/Positive”→“漏检/误检”简明易懂。技术细节保留代码块、命令行参数、版本号如timm0.4.12均原样保留。关键指标如 mIoU不翻译避免歧义。格式优化使用表格和符号/直观展示性能对比。分步骤列表1️⃣/2️⃣/3️⃣提升可读性。如需进一步调整欢迎补充说明