Go to file
Maciej Sobkowiak 612f933e68 README.md 2022-02-17 04:57:10 +01:00
assets Readme.md 2022-02-17 03:19:35 +01:00
benchmark corrected .gitignore 2022-02-15 16:48:18 +01:00
data changed filenames 2022-02-16 16:48:37 +01:00
models model 2022-02-17 00:58:20 +01:00
research adsdfasdga 2022-02-17 03:04:00 +01:00
src adsdfasdga 2022-02-17 03:04:00 +01:00
.gitignore model 2022-02-17 00:58:20 +01:00
README.md README.md 2022-02-17 04:57:10 +01:00
main.ipynb adsdfasdga 2022-02-17 03:04:00 +01:00
main.py adsdfasdga 2022-02-17 03:04:00 +01:00
requirements.txt jupyter training 2022-02-16 23:46:03 +01:00
setup.py adsdfasdga 2022-02-17 03:04:00 +01:00

README.md

Pobranie danych

python3 data/download_data.py --sas-url data/sas_westeurope.txt

Dane zostaną pobrane do dwóch folderów:

  • data/train_features
  • data/train_labels

alt text

Setup

Jeżeli pracujemy na systemie operacyjnym windows, paczki rosterio i GDAL należy pobrać z repozytorium link, a nastepnie zainstalować je lokalnie. Reszte paczek można zainstalować automatycznie komendą:

pip install -r requirements.txt

Pierwsze krok polega na uruchomieniu skryptu setup.py który sprawi że zdjęcia satelitarne zostają przekonwertowane z formatu tif na format jpeg.

python3 setup.py

Jeżeli chcemy zwizualizować przykłady przekonwertowanych zdjęć, należy urochomić skrypt z flagą --show.

python3 setup.py --show

Training

Uruchomienie skryptu main urchomi proces kompilacji i trenowania modelu sieci UNET.

python3 main.py

Po wytrenowaniu, możliwe jest wygenerowanie przykładowych predykcji, a następne ich wyświetlenie, wywołując skrypt z flagą --show.

python3 main.py --predictions