个人记录:划分

原始数据展示

每五个大图移动一次所有的大图名称的小图片。

读取指定图片格式的图片名称,内置函数map执行,文件移动

图片01-17[:27]

图片17-70要改27为25

import os
import shutil
# source = 'dataset/sat_train/'
source_path ="/mnt/sdb1/fenghaixia/dsm/dataset/train/"
test_path ="./dataset/tmp/"IMAGES_FORMAT = ['.tif']  # 图片格式sat_names = [name for name in os.listdir(source_path) for item in IMAGES_FORMAT ifos.path.splitext(name)[1] == item]# mask_names = filter(lambda x: x.find('mask')!=-1, os.listdir(source_path))
sat_names_big = list(map(lambda x: x[:27], sat_names))
# sorted(sat_names,key=str.lower)
sat_names_big=list(set(sat_names_big))
sat_names_big.sort(key=lambda x: int(x[-2:]))
order=1
for f in sat_names_big:      if order%5==0:print(order)print(f)imagelist = list(filter(lambda x: x.find(f)!=-1, sat_names))for name in imagelist:   old_sat_path=source_path+nameold_mask_path=source_path+name[:-8]+'_mask.png'new_sat_path=test_path+namenew_mask_path=test_path+name[:-8]+'_mask.png'shutil.move(old_sat_path,new_sat_path)shutil.move(old_mask_path,new_mask_path)order+=1print('finish')

这样跑的iou91

二、感觉不太合理

 选蓝色为测试,剩余为训练,代码如下


import os
import shutil
# source = 'dataset/sat_train/'
source_path ="/mnt/sdb1/fenghaixia/dsm2/dataset/train/"
test_path ="./dataset/tmp/"IMAGES_FORMAT = ['.tif']  # 图片格式sat_names = [name for name in os.listdir(source_path) for item in IMAGES_FORMAT ifos.path.splitext(name)[1] == item]# mask_names = filter(lambda x: x.find('mask')!=-1, os.listdir(source_path))
sat_names_big = list(map(lambda x: x[:27], sat_names))
# sorted(sat_names,key=str.lower)
sat_names_big=list(set(sat_names_big))
sat_names_big.sort(key=lambda x: int(x[-2:]))
order=1
sat_names_big_0=sat_names_big[0]
for f in sat_names_big:# print(f[-2:])# print(sat_names_big_0[-2:])if f[-2:]!=sat_names_big_0[-2:]:sat_names_big_0=forder+=1if order in [15,16,30,31,45,46,60,61]:print(order)print(f)imagelist = list(filter(lambda x: x.find(f)!=-1, sat_names))for name in imagelist:   old_sat_path=source_path+nameold_mask_path=source_path+name[:-8]+'_mask.png'new_sat_path=test_path+namenew_mask_path=test_path+name[:-8]+'_mask.png'shutil.move(old_sat_path,new_sat_path)shutil.move(old_mask_path,new_mask_path)
print('finish')

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.hqwc.cn/news/83693.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

4 多层感知机-个人理解

多层感知机是一组前向结构的人工神经网络,映射一组输入向量到一组输出向量。除了输入节点,每一个节点都是一个带有非线性激活函数的神经元。多层感知机在输入层和输出层之间添加了一个或者多个隐藏层,并通过激活函数转换隐藏层输出。以下介绍…

error LNK2019: 无法解析的外部符号 __imp__glClear@4,函数 _main 中引用了该符号

自己犯这个错误有些搞笑了,找着教程一步一步来还出错,复制GLFW示例代码 运行,报的第一个错误,这是一个链接错误,解决方案:

[ MySQL ] — 如何理解索引以及索引的操作

目录 初识索引 认识磁盘 MySQL与存储 了解磁盘 mysql与磁盘的交互 索引的理解 理解单个Page 理解多个Page 页目录 单页情况 多页情况 索引结构 - B树 聚簇索引 和 非聚簇索引 索引操作 创建主键索引 唯一索引的创建 ​编辑 普通索引的创建 全文索引的创建 查询…

广告行业小程序搭建教程,零基础也能轻松上手

随着移动互联网的发展和智能手机的普及,小程序成为了各行业推广和服务的利器。对于广告行业来说,拥有一个专属的小程序不仅能提升企业形象,还可以方便用户查看广告、咨询服务等。那么,如何简单操作一键搭建广告行业小程序呢&#…

【MySQL系列】统计函数(count,sum,avg)详解

💐 🌸 🌷 🍀 🌹 🌻 🌺 🍁 🍃 🍂 🌿 🍄🍝 🍛 🍤 📃个人主页 :阿然成长日记 …

Linux内核学习(十)—— 块 I/O 层(基于Linux 2.6内核)

目录 一、剖析一个块设备 二、缓冲区和缓冲区头 三、bio 结构体 四、请求队列 五、I/O 调度程序 系统中能够随机(不需要按顺序)访问固定大小数据片(chunks)的硬件设备称作块设备,这些固定大小的数据片就称作块。最…

什么是响应式设计(Responsive Design)?如何实现一个响应式网页?

聚沙成塔每天进步一点点 ⭐ 专栏简介⭐ 响应式设计(Responsive Design)⭐ 如何实现一个响应式网页?1. 弹性网格布局2. 媒体查询3. 弹性图像和媒体4. 流式布局5. 优化导航6. 测试和调整7. 图片优化8. 字体优化9. 渐进增强10. 面向移动优先11. …

设计模式之迭代器模式(Iterator)的C++实现

1、迭代器模式的提出 在软件开发过程中,操作的集合对象内部结构常常变化,在访问这些对象元素的同时,也要保证对象内部的封装性。迭代器模式提供了一种利用面向对象的遍历方法来遍历对象元素。迭代器模式通过抽象一个迭代器类,不同…

什么是NetDevOps

NetDevOps 是一种新兴的方法,它结合了 NetOps 和 DevOps 的流程,即将网络自动化集成到开发过程中。NetDevOps 的目标是将虚拟化、自动化和 API 集成到网络基础架构中,并实现开发和运营团队之间的无缝协作。 开发运营(DevOps&…

Linux保存退出和不保存退出命令

Vim编辑器 vim 要编辑的文件输入i进入编辑模式保存退出: 按Esc键退出insert模式,然后输入冒号(:),输入wq!可以保存并退出. 不保存退出: 按Esc键退出insert模式,然后输入冒号(:),输入q!可以不保存并退出。…

copy is all you need前向绘图 和疑惑标记

疑惑的起因 简化前向图 GPT4解释 这段代码实现了一个神经网络模型,包含了BERT、GPT-2和MLP等模块。主要功能是给定一个文本序列和一个查询序列,预测查询序列中的起始和结束位置,使其对应文本序列中的一个短语。具体实现细节如下&#xff1a…

Java异常

异常体系结构Java异常的分类异常处理异常抛出异常声明异常捕获异常处理流程自定义异常 异常体系结构 .Error:指的是Java虚拟机无法解决的严重问题,比如:JVM的内部错误、资源耗尽等,典型代表:StackOverflowError&#…