保姆级教程:用PyTorch复现STANet遥感变化检测模型(附LEVIR-CD数据集下载与配置)

news2026/5/12 7:07:47
从零实现STANet基于PyTorch的遥感变化检测实战指南开篇为什么选择STANet进行遥感变化检测当我们需要监测城市扩张、灾害评估或基础设施变化时遥感变化检测技术显得尤为重要。传统方法往往受限于光照变化和配准误差而STANet通过时空自注意力机制有效捕捉远距离像素间的时空依赖关系显著提升了检测精度。本文将带您从环境搭建到模型训练完整复现这一前沿算法。1. 环境准备与数据获取1.1 配置PyTorch开发环境推荐使用Anaconda创建独立Python环境以避免依赖冲突conda create -n stanet python3.8 conda activate stanet pip install torch1.9.0cu111 torchvision0.10.0cu111 -f https://download.pytorch.org/whl/torch_stable.html核心依赖包清单opencv-python4.5.3scikit-learn0.24.2tqdm4.62.0tensorboard2.6.0提示CUDA版本需与显卡驱动匹配可通过nvidia-smi查询兼容版本1.2 LEVIR-CD数据集处理数据集包含637对1024×1024的谷歌地球图像标注了31,333个建筑变化实例。下载后需执行以下预处理import os from PIL import Image def split_images(img_dir, patch_size256): 将大图切割为训练所需的小图块 for img_name in os.listdir(img_dir): img Image.open(os.path.join(img_dir, img_name)) for i in range(0, img.width, patch_size): for j in range(0, img.height, patch_size): patch img.crop((i, j, ipatch_size, jpatch_size)) patch.save(fpatches/{img_name[:-4]}_{i}_{j}.png)建议按7:1:2比例划分训练/验证/测试集目录结构应如下LEVIR-CD/ ├── train/ │ ├── time1/ # 时相1图像 │ ├── time2/ # 时相2图像 │ └── label/ # 变化标注图 ├── val/ └── test/2. STANet模型架构深度解析2.1 特征提取网络实现采用修改后的ResNet-18作为骨干网络关键修改点import torch.nn as nn from torchvision.models import resnet18 class FeatureExtractor(nn.Module): def __init__(self): super().__init__() resnet resnet18(pretrainedTrue) self.conv1 resnet.conv1 self.bn1 resnet.bn1 self.relu resnet.relu self.maxpool resnet.maxpool self.layer1 resnet.layer1 # 输出64通道 self.layer2 resnet.layer2 # 输出128通道 self.layer3 resnet.layer3 # 输出256通道 def forward(self, x): # 标准化输入ImageNet统计量 x (x - 0.406)/0.225 x self.conv1(x) x self.bn1(x) x self.relu(x) x self.maxpool(x) f1 self.layer1(x) # 1/4分辨率 f2 self.layer2(f1) # 1/8分辨率 f3 self.layer3(f2) # 1/16分辨率 return [f1, f2, f3] # 多尺度特征输出2.2 时空注意力模块精讲2.2.1 基础注意力模块(BAM)class BAM(nn.Module): def __init__(self, in_channels): super().__init__() self.query_conv nn.Conv2d(in_channels, in_channels//8, 1) self.key_conv nn.Conv2d(in_channels, in_channels//8, 1) self.value_conv nn.Conv2d(in_channels, in_channels, 1) self.gamma nn.Parameter(torch.zeros(1)) def forward(self, x): B, C, H, W x.shape # 计算query, key, value q self.query_conv(x).view(B, -1, H*W).permute(0,2,1) # (B, HW, C) k self.key_conv(x).view(B, -1, H*W) # (B, C, HW) v self.value_conv(x).view(B, -1, H*W) # (B, C, HW) # 计算注意力权重 energy torch.bmm(q, k) # (B, HW, HW) attention torch.softmax(energy, dim-1) # 应用注意力 out torch.bmm(v, attention.permute(0,2,1)) out out.view(B, C, H, W) return self.gamma * out x # 残差连接2.2.2 金字塔注意力模块(PAM)PAM通过多尺度处理提升小目标检测能力class PAM(nn.Module): def __init__(self, in_channels): super().__init__() self.branches nn.ModuleList([ BAM(in_channels) for _ in range(4) ]) self.conv nn.Conv2d(4*in_channels, in_channels, 1) def forward(self, x): B, C, H, W x.shape outputs [] # 1x1分支全局 out1 self.branches[0](x) outputs.append(out1) # 2x2分支 patch_size 2 patches x.unfold(2, H//patch_size, H//patch_size)\ .unfold(3, W//patch_size, W//patch_size) patches patches.contiguous().view(B, C, -1, H//patch_size, W//patch_size) out2 torch.cat([ self.branches[1](patches[:,:,i]) for i in range(patches.size(2)) ], dim0) out2 out2.view(B, C, H, W) outputs.append(out2) # 类似实现4x4和8x8分支... # 融合多尺度特征 out torch.cat(outputs, dim1) out self.conv(out) return out x3. 训练策略与损失函数3.1 批量平衡对比损失(BCL)针对变化检测中的类别不平衡问题class BCLoss(nn.Module): def __init__(self, margin2.0): super().__init__() self.margin margin def forward(self, distance_map, label): # 计算变化/未变化像素数 pos_num torch.sum(label1).float() neg_num torch.sum(label0).float() # 计算两类损失 pos_loss (label) * torch.pow(distance_map, 2) neg_loss (1-label) * torch.pow(torch.clamp(self.margin - distance_map, min0), 2) # 平衡权重 pos_weight neg_num / (pos_num neg_num) neg_weight pos_num / (pos_num neg_num) loss pos_weight * pos_loss neg_weight * neg_loss return torch.mean(loss)3.2 训练流程优化技巧推荐采用分阶段训练策略阶段学习率数据增强训练目标11e-4随机翻转特征提取器25e-5添加旋转完整模型31e-5全部增强微调注意力关键训练代码片段optimizer torch.optim.AdamW(model.parameters(), lr1e-4, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR(optimizer, T_max100) for epoch in range(200): model.train() for img1, img2, label in train_loader: optimizer.zero_grad() distance_map model(img1, img2) loss criterion(distance_map, label) loss.backward() optimizer.step() scheduler.step() # 验证集评估 if epoch % 10 0: model.eval() with torch.no_grad(): val_loss evaluate(model, val_loader) print(fEpoch {epoch}: val_loss{val_loss:.4f})4. 模型评估与可视化4.1 定量评估指标建议在测试集上计算以下指标def compute_metrics(pred, label): TP ((pred 1) (label 1)).sum().float() FP ((pred 1) (label 0)).sum().float() FN ((pred 0) (label 1)).sum().float() precision TP / (TP FP 1e-6) recall TP / (TP FN 1e-6) f1 2 * precision * recall / (precision recall 1e-6) return precision.item(), recall.item(), f1.item()4.2 注意力可视化技巧通过hook机制提取中间注意力权重def register_hooks(model): activations {} def get_activation(name): def hook(model, input, output): activations[name] output.detach() return hook model.bam1.register_forward_hook(get_activation(bam1)) model.pam.register_forward_hook(get_activation(pam)) return activations # 可视化示例 activations register_hooks(model) output model(img1, img2) visualize_attention(activations[bam1][0, 0]) # 第一个样本的第一个通道典型可视化效果对比未使用注意力变化区域边界模糊BAM版本能捕捉大范围变化PAM版本同时保留精细结构5. 实际部署建议5.1 模型轻量化方案对于资源受限场景可尝试以下优化知识蒸馏使用训练好的PAM模型指导BAM模型训练通道剪枝移除特征提取网络中冗余通道量化部署将模型转换为FP16或INT8格式# 示例量化代码 quantized_model torch.quantization.quantize_dynamic( model, {nn.Conv2d}, dtypetorch.qint8 ) torch.jit.save(torch.jit.script(quantized_model), stanet_quantized.pt)5.2 处理超大尺寸图像对于超出显存的大图可采用滑动窗口策略def predict_large_image(model, img1, img2, window_size256, stride128): 分块预测大图并融合结果 height, width img1.shape[-2:] pred torch.zeros((height, width)) for i in range(0, height, stride): for j in range(0, width, stride): patch1 img1[:, :, i:iwindow_size, j:jwindow_size] patch2 img2[:, :, i:iwindow_size, j:jwindow_size] with torch.no_grad(): patch_pred model(patch1, patch2) # 使用汉宁窗平滑边界 window np.hanning(window_size) * np.hanning(window_size)[:, None] pred[i:iwindow_size, j:jwindow_size] patch_pred * window return pred 0.5 # 二值化在实际项目中我们发现PAM模块虽然计算量较大但对小目标建筑的检测效果提升显著。当处理2000×2000像素的图像时建议使用RTX 3090及以上显卡以获得实时性能。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2605654.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…