计图遥感库再升级，助力“中科星图杯”高分遥感图像解译大赛”分割”赛道
继计图团队推出遥感检测库JDet，支持中科星图遥感检测赛道，取得好成绩之后，9月1日，计图团队进一步发布了Jittor对”面向海洋一号可见光图像中海冰目标监测”和“高分辨率SAR图像中近海养殖场分割”两个分割赛道的支持。
近日，第五届“中科星图杯”国际高分遥感图像解译大赛已经开放了评测通道，在 "面向海洋一号可见光图像中海冰目标监测” 和 “高分辨率SAR图像中近海养殖场分割"赛道中，Jittor提供了遥感分割模型PFNet-Jittor以及docker封装教程供选手使用。
截止至发稿，如下图所示，使用改进后的PFNet-Jittor训练的模型，在高分辨率SAR图像中近海养殖场分割 (队名：星星之火) 和面向海洋一号可见光图像中海冰目标监测 (队名：glotwo) 两个赛道拿下双第一，接下来我们将简要介绍如何使用PFNet-Jittor参加比赛，欢迎各位选手使用！
https://github.com/Jittor/PFSegNets-Jittor
或
https://gitee.com/Jittor/PFSegNets-Jittor
本次公布的模型是使用了Res2Net-101骨干网络和 PFNet 的结合。
3. 下载数据库&数据预处理
将数据集做成以下形式：
4. 训练&测试
将config文件中的数据路径修改为正确路径即可开始训练 (如果只训练SAR，可以只修改SAR)。
__C.DATASET.GAOFENSAR = 'gaofen/sar'__C.DATASET.GAOFENIMG = 'gaofen/img'
参加哪个比赛，使用对应的脚本训练即可。
train_gfimg_pfnet_r2n101.shtrain_gfsar_pfnet_r2n101.sh
面向海洋一号可见光图像中海冰目标监测比赛中，提交后，得到了96.1223的分数(该分数截止发稿，排名第五)。
高分辨率SAR图像中近海养殖场分割数据集中，提交后，得到了97.0155的分数(该分数截止发稿，排名第二)。
4.2 测试
将run.py中的模型路径填为正确路径(不同赛道都只需要修改这一个地方就可以，参数args.dataset_cls=GAOFENIMG，只是为了传类别数)。即为按比赛要求的模型测试。
本机测试时示例
python run.py gaofen/img/val/image test_img/5. docker提交示例
结果需要打包成docker，按照官方提示来提交，下面以sar赛道为例，给予说明。
5.1 将镜像打包（Dockerfile在当前目录下）
sudo docker build -t pfnet_sar .5.2（可选）本地测试
# sudo docker run --rm -it --network none --gpus all -v gaofen/sar/val/image:/input_path -vtest_img:/output_path pfnet_sar5.3 上传到阿里云
sudo docker tag pfnet_sar registry.cn-beijing.aliyuncs.com/xxx/xxx:pfnet_sarsudo docker push registry.cn-beijing.aliyuncs.com/xxx/xxx:pfnet_sar
6. 结语
最后预祝各位选手取得满意的成绩！
欢迎大家使用Jittor的遥感分割模型PFNet-Jitto参加比赛，或开展研究工作。
如果大家在使用过程中发现有什么问题，请大家在github提交issue或者PR。也可以加入Jittor开发者的QQ交流群，期待您提出宝贵的意见。
致谢：特别感谢计图开源贡献者uyzhang，欢迎各位提交代码，参与计图开源社区贡献。
GGC往期回顾
您可通过下方二维码，关注清华大学图形学实验室，了解计算机图形学、Jittor深度学习框架、CVMJ期刊和CVM会议的相关资讯。
