【亲测免费】 GeoSeg 项目安装和配置指南

1. 项目基础介绍和主要编程语言

项目基础介绍

GeoSeg 是一个基于 PyTorch、PyTorch Lightning 和 TIMM 的开源语义分割工具箱，主要用于开发先进的视觉变换器（Vision Transformers），以高效地进行遥感图像的语义分割。该项目支持多种遥感数据集，如 ISPRS Vaihingen 和 Potsdam、UAVid、LoveDA 等，并提供了统一的训练脚本和多尺度训练与测试功能。

主要编程语言

该项目主要使用 Python 编程语言。

2. 项目使用的关键技术和框架

关键技术和框架

• PyTorch: 一个开源的深度学习框架，用于构建和训练神经网络模型。
• PyTorch Lightning: 一个轻量级的 PyTorch 封装库，简化了训练和验证过程。
• TIMM (PyTorch Image Models): 一个包含多种预训练图像模型的库，提供了丰富的视觉模型。
• Vision Transformers (ViT): 一种基于自注意力机制的视觉模型，用于图像分类和分割任务。
• UNetFormer: 一种类似于 UNet 的变换器模型，专门用于高效的语义分割。

3. 项目安装和配置的准备工作和详细安装步骤

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Linux 或 macOS（推荐）
• Python 版本：3.8 或更高版本
• CUDA 版本：11.8 或更高版本（如果使用 GPU）
• 已安装 Anaconda 或 Miniconda（推荐）

详细安装步骤

步骤 1：克隆项目仓库

首先，从 GitHub 克隆 GeoSeg 项目到本地：

git clone https://github.com/WangLibo1995/GeoSeg.git
cd GeoSeg

步骤 2：创建并激活虚拟环境

使用 Anaconda 创建一个新的 Python 环境，并激活该环境：

conda create -n geoseg python=3.8
conda activate geoseg

步骤 3：安装 PyTorch 和相关依赖

安装 PyTorch 和 TorchVision，确保与您的 CUDA 版本兼容：

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

步骤 4：安装项目依赖

安装 GeoSeg 项目所需的其他依赖项：

pip install -r requirements.txt

步骤 5：安装 Mamba

Mamba 是一个快速的包管理器，推荐用于安装一些特定的依赖项：

pip install causal-conv1d>=1.4.0
pip install mamba-ssm

步骤 6：下载预训练权重

预训练的骨干网络权重可以从 Google Drive 下载，并放置在 pretrain_weights 目录下。

步骤 7：数据预处理

下载所需的遥感数据集，并按照项目提供的脚本进行数据预处理。例如，对于 Vaihingen 数据集：

python GeoSeg/tools/vaihingen_patch_split.py \
  --img-dir "data/vaihingen/train_images" \
  --mask-dir "data/vaihingen/train_masks" \
  --output-img-dir "data/vaihingen/train/images_1024" \
  --output-mask-dir "data/vaihingen/train/masks_1024" \
  --mode "train" --split-size 1024 --stride 512

步骤 8：开始训练

配置好数据和模型后，可以使用提供的训练脚本开始训练模型：

python train_supervision.py -c config/loveda/dcswin.py

总结

通过以上步骤，您已经成功安装并配置了 GeoSeg 项目。接下来，您可以根据项目文档进一步探索和使用该项目进行遥感图像的语义分割任务。