[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-WangLibo1995--GeoSeg":3,"tool-WangLibo1995--GeoSeg":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",156033,2,"2026-04-14T23:32:00",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":84,"forks":85,"last_commit_at":86,"license":87,"difficulty_score":88,"env_os":89,"env_gpu":90,"env_ram":91,"env_deps":92,"category_tags":103,"github_topics":104,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":113,"updated_at":114,"faqs":115,"releases":116},7668,"WangLibo1995\u002FGeoSeg","GeoSeg","UNetFormer: A UNet-like transformer for efficient semantic segmentation of remote sensing urban scene imagery, ISPRS. Also, including other vision transformers and CNNs for satellite, aerial image and UAV image segmentation.","GeoSeg 是一个基于 PyTorch 打造的开源语义分割工具箱，专为遥感图像分析而设计。它致力于解决卫星、航空及无人机影像中复杂城市场景的精确识别难题，能够高效地将图像中的建筑物、道路、植被等要素自动分类提取。\n\n这款工具非常适合从事遥感算法研究的研究人员、需要开发地物提取功能的开发者，以及测绘地理信息领域的专业人士使用。GeoSeg 的核心亮点在于其聚焦于先进的视觉 Transformer 架构，不仅收录了获 ISPRS 推荐的 UNetFormer 模型，还集成了最新的 PyramidMamba 等多种前沿网络。它提供了统一的训练基准，支持多 GPU 加速训练与多尺度测试，并具备对超大幅面遥感图像的直接推理能力，极大降低了处理海量数据的门槛。借助 PyTorch Lightning 和 timm 库，GeoSeg 代码结构简洁清晰，便于用户进行二次开发与实验验证，是探索遥感智能解译技术的得力助手。","## Version 2.0 (stable)\r\n\r\n[Welcome to my homepage!](https:\u002F\u002FWangLibo1995.github.io)\r\n\r\n## News \r\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Ftransformer-meets-dcfam-a-novel-semantic\u002Fsemantic-segmentation-on-isprs-potsdam)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fsemantic-segmentation-on-isprs-potsdam?p=transformer-meets-dcfam-a-novel-semantic)\r\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Ftransformer-meets-dcfam-a-novel-semantic\u002Fsemantic-segmentation-on-isprs-vaihingen)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fsemantic-segmentation-on-isprs-vaihingen?p=transformer-meets-dcfam-a-novel-semantic)\r\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Fefficient-hybrid-transformer-learning-global\u002Fsemantic-segmentation-on-uavid)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fsemantic-segmentation-on-uavid?p=efficient-hybrid-transformer-learning-global)\r\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Fefficient-hybrid-transformer-learning-global\u002Fsemantic-segmentation-on-loveda)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fsemantic-segmentation-on-loveda?p=efficient-hybrid-transformer-learning-global)\r\n\r\n- The code of [PyramidMamba](.\u002Fgeoseg\u002Fmodels\u002FPyramidMamba.py) is released.\r\n- I have updated this repo to pytorch 2.0 and pytorch-lightning 2.0, support multi-gpu training, etc. \r\n- Pretrained Weights of backbones can be access from [Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1ELpFKONJZbXmwB5WCXG7w42eHtrXzyPn?usp=sharing)\r\n- [UNetFormer](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0924271622001654) (accepted by ISPRS, [PDF](https:\u002F\u002Fwww.researchgate.net\u002Fprofile\u002FLibo-Wang-17\u002Fpublication\u002F361736439_UNetFormer_A_UNet-like_transformer_for_efficient_semantic_segmentation_of_remote_sensing_urban_scene_imagery\u002Flinks\u002F62c2a1ed1cbf3a1d12ac1c87\u002FUNetFormer-A-UNet-like-transformer-for-efficient-semantic-segmentation-of-remote-sensing-urban-scene-imagery.pdf)) and **UAVid dataset** are supported.\r\n- ISPRS Vaihingen and Potsdam datasets are supported. Since private sharing is not allowed, you need to download the datasets from the official website and split them by **Folder Structure**.\r\n- More networks are updated and the link of pretrained weights is provided.\r\n- **config\u002Floveda\u002Fdcswin.py** provides a detailed explain about **config** setting.\r\n- Inference on huge RS images are supported (inference_huge_image.py).\r\n\r\n## Introduction\r\n\r\n**GeoSeg** is an open-source  semantic segmentation toolbox based on PyTorch, [pytorch lightning](https:\u002F\u002Fwww.pytorchlightning.ai\u002F) and [timm](https:\u002F\u002Fgithub.com\u002Frwightman\u002Fpytorch-image-models), \r\nwhich mainly focuses on developing advanced Vision Transformers for remote sensing image segmentation.\r\n\r\n\r\n## Major Features\r\n\r\n- Unified Benchmark\r\n\r\n  we provide a unified training script for various segmentation methods.\r\n  \r\n- Simple and Effective\r\n\r\n  Thanks to **pytorch lightning** and **timm** , the code is easy for further development.\r\n  \r\n- Supported Remote Sensing Datasets\r\n \r\n  - [ISPRS Vaihingen and Potsdam](https:\u002F\u002Fwww.isprs.org\u002Feducation\u002Fbenchmarks\u002FUrbanSemLab\u002Fdefault.aspx) \r\n  - [UAVid](https:\u002F\u002Fuavid.nl\u002F)\r\n  - [LoveDA](https:\u002F\u002Fcodalab.lisn.upsaclay.fr\u002Fcompetitions\u002F421)\r\n  - [OpenEarthMap](https:\u002F\u002Fopen-earth-map.org\u002F)\r\n  - More datasets will be supported in the future.\r\n  \r\n- Multi-scale Training and Testing\r\n- Inference on Huge Remote Sensing Images\r\n\r\n## Supported Networks\r\n\r\n- Mamba\r\n\r\n  - [PyramidMamba](https:\u002F\u002Farxiv.org\u002Fabs\u002F2406.10828)\r\n\r\n- Vision Transformer\r\n\r\n  - [UNetFormer](https:\u002F\u002Fauthors.elsevier.com\u002Fa\u002F1fIji3I9x1j9Fs) \r\n  - [DC-Swin](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9681903)\r\n  - [BANet](https:\u002F\u002Fwww.mdpi.com\u002F2072-4292\u002F13\u002F16\u002F3065)\r\n  \r\n- CNN\r\n \r\n  - [MANet](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9487010) \r\n  - [ABCNet](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0924271621002379)\r\n  - [A2FPN](https:\u002F\u002Fwww.tandfonline.com\u002Fdoi\u002Ffull\u002F10.1080\u002F01431161.2022.2030071)\r\n  \r\n## Folder Structure\r\n\r\nPrepare the following folders to organize this repo:\r\n```none\r\nairs\r\n├── GeoSeg (code)\r\n├── pretrain_weights (pretrained weights of backbones, such as vit, swin, etc)\r\n├── model_weights (save the model weights trained on ISPRS vaihingen, LoveDA, etc)\r\n├── fig_results (save the masks predicted by models)\r\n├── lightning_logs (CSV format training logs)\r\n├── data\r\n│   ├── LoveDA\r\n│   │   ├── Train\r\n│   │   │   ├── Urban\r\n│   │   │   │   ├── images_png (original images)\r\n│   │   │   │   ├── masks_png (original masks)\r\n│   │   │   │   ├── masks_png_convert (converted masks used for training)\r\n│   │   │   │   ├── masks_png_convert_rgb (original rgb format masks)\r\n│   │   │   ├── Rural\r\n│   │   │   │   ├── images_png \r\n│   │   │   │   ├── masks_png \r\n│   │   │   │   ├── masks_png_convert\r\n│   │   │   │   ├── masks_png_convert_rgb\r\n│   │   ├── Val (the same with Train)\r\n│   │   ├── Test\r\n│   │   ├── train_val (Merge Train and Val)\r\n│   ├── uavid\r\n│   │   ├── uavid_train (original)\r\n│   │   ├── uavid_val (original)\r\n│   │   ├── uavid_test (original)\r\n│   │   ├── uavid_train_val (Merge uavid_train and uavid_val)\r\n│   │   ├── train (processed)\r\n│   │   ├── val (processed)\r\n│   │   ├── train_val (processed)\r\n│   ├── vaihingen\r\n│   │   ├── train_images (original)\r\n│   │   ├── train_masks (original)\r\n│   │   ├── test_images (original)\r\n│   │   ├── test_masks (original)\r\n│   │   ├── test_masks_eroded (original)\r\n│   │   ├── train (processed)\r\n│   │   ├── test (processed)\r\n│   ├── potsdam (the same with vaihingen)\r\n```\r\n\r\n## Install\r\n\r\nOpen the folder **airs** using **Linux Terminal** and create python environment:\r\n```\r\nconda create -n airs python=3.8\r\nconda activate airs\r\npip3 install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\r\npip install -r GeoSeg\u002Frequirements.txt\r\n```\r\n\r\nInstall Mamba\r\n```\r\npip install causal-conv1d>=1.4.0\r\npip install mamba-ssm\r\n```\r\n\r\n## Pretrained Weights of Backbones\r\n\r\n[Baidu Disk](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1foJkxeUZwVi5SnKNpn6hfg) : 1234 \r\n\r\n[Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1ELpFKONJZbXmwB5WCXG7w42eHtrXzyPn?usp=sharing)\r\n\r\n## Data Preprocessing\r\n\r\nDownload the datasets from the official website and split them yourself.\r\n\r\n**Vaihingen**\r\n\r\nGenerate the training set.\r\n```\r\npython GeoSeg\u002Ftools\u002Fvaihingen_patch_split.py \\\r\n--img-dir \"data\u002Fvaihingen\u002Ftrain_images\" \\\r\n--mask-dir \"data\u002Fvaihingen\u002Ftrain_masks\" \\\r\n--output-img-dir \"data\u002Fvaihingen\u002Ftrain\u002Fimages_1024\" \\\r\n--output-mask-dir \"data\u002Fvaihingen\u002Ftrain\u002Fmasks_1024\" \\\r\n--mode \"train\" --split-size 1024 --stride 512 \r\n```\r\nGenerate the testing set.\r\n```\r\npython GeoSeg\u002Ftools\u002Fvaihingen_patch_split.py \\\r\n--img-dir \"data\u002Fvaihingen\u002Ftest_images\" \\\r\n--mask-dir \"data\u002Fvaihingen\u002Ftest_masks_eroded\" \\\r\n--output-img-dir \"data\u002Fvaihingen\u002Ftest\u002Fimages_1024\" \\\r\n--output-mask-dir \"data\u002Fvaihingen\u002Ftest\u002Fmasks_1024\" \\\r\n--mode \"val\" --split-size 1024 --stride 1024 \\\r\n--eroded\r\n```\r\nGenerate the masks_1024_rgb (RGB format ground truth labels) for visualization.\r\n```\r\npython GeoSeg\u002Ftools\u002Fvaihingen_patch_split.py \\\r\n--img-dir \"data\u002Fvaihingen\u002Ftest_images\" \\\r\n--mask-dir \"data\u002Fvaihingen\u002Ftest_masks\" \\\r\n--output-img-dir \"data\u002Fvaihingen\u002Ftest\u002Fimages_1024\" \\\r\n--output-mask-dir \"data\u002Fvaihingen\u002Ftest\u002Fmasks_1024_rgb\" \\\r\n--mode \"val\" --split-size 1024 --stride 1024 \\\r\n--gt\r\n```\r\nAs for the validation set, you can select some images from the training set to build it.\r\n\r\n**Potsdam**\r\n```\r\npython GeoSeg\u002Ftools\u002Fpotsdam_patch_split.py \\\r\n--img-dir \"data\u002Fpotsdam\u002Ftrain_images\" \\\r\n--mask-dir \"data\u002Fpotsdam\u002Ftrain_masks\" \\\r\n--output-img-dir \"data\u002Fpotsdam\u002Ftrain\u002Fimages_1024\" \\\r\n--output-mask-dir \"data\u002Fpotsdam\u002Ftrain\u002Fmasks_1024\" \\\r\n--mode \"train\" --split-size 1024 --stride 1024 --rgb-image \r\n```\r\n\r\n```\r\npython GeoSeg\u002Ftools\u002Fpotsdam_patch_split.py \\\r\n--img-dir \"data\u002Fpotsdam\u002Ftest_images\" \\\r\n--mask-dir \"data\u002Fpotsdam\u002Ftest_masks_eroded\" \\\r\n--output-img-dir \"data\u002Fpotsdam\u002Ftest\u002Fimages_1024\" \\\r\n--output-mask-dir \"data\u002Fpotsdam\u002Ftest\u002Fmasks_1024\" \\\r\n--mode \"val\" --split-size 1024 --stride 1024 \\\r\n--eroded --rgb-image\r\n```\r\n\r\n```\r\npython GeoSeg\u002Ftools\u002Fpotsdam_patch_split.py \\\r\n--img-dir \"data\u002Fpotsdam\u002Ftest_images\" \\\r\n--mask-dir \"data\u002Fpotsdam\u002Ftest_masks\" \\\r\n--output-img-dir \"data\u002Fpotsdam\u002Ftest\u002Fimages_1024\" \\\r\n--output-mask-dir \"data\u002Fpotsdam\u002Ftest\u002Fmasks_1024_rgb\" \\\r\n--mode \"val\" --split-size 1024 --stride 1024 \\\r\n--gt --rgb-image\r\n```\r\n\r\n**UAVid**\r\n```\r\npython GeoSeg\u002Ftools\u002Fuavid_patch_split.py \\\r\n--input-dir \"data\u002Fuavid\u002Fuavid_train_val\" \\\r\n--output-img-dir \"data\u002Fuavid\u002Ftrain_val\u002Fimages\" \\\r\n--output-mask-dir \"data\u002Fuavid\u002Ftrain_val\u002Fmasks\" \\\r\n--mode 'train' --split-size-h 1024 --split-size-w 1024 \\\r\n--stride-h 1024 --stride-w 1024\r\n```\r\n\r\n```\r\npython GeoSeg\u002Ftools\u002Fuavid_patch_split.py \\\r\n--input-dir \"data\u002Fuavid\u002Fuavid_train\" \\\r\n--output-img-dir \"data\u002Fuavid\u002Ftrain\u002Fimages\" \\\r\n--output-mask-dir \"data\u002Fuavid\u002Ftrain\u002Fmasks\" \\\r\n--mode 'train' --split-size-h 1024 --split-size-w 1024 \\\r\n--stride-h 1024 --stride-w 1024\r\n```\r\n\r\n```\r\npython GeoSeg\u002Ftools\u002Fuavid_patch_split.py \\\r\n--input-dir \"data\u002Fuavid\u002Fuavid_val\" \\\r\n--output-img-dir \"data\u002Fuavid\u002Fval\u002Fimages\" \\\r\n--output-mask-dir \"data\u002Fuavid\u002Fval\u002Fmasks\" \\\r\n--mode 'val' --split-size-h 1024 --split-size-w 1024 \\\r\n--stride-h 1024 --stride-w 1024\r\n```\r\n\r\n**LoveDA**\r\n```\r\npython GeoSeg\u002Ftools\u002Floveda_mask_convert.py --mask-dir data\u002FLoveDA\u002FTrain\u002FRural\u002Fmasks_png --output-mask-dir data\u002FLoveDA\u002FTrain\u002FRural\u002Fmasks_png_convert\r\npython GeoSeg\u002Ftools\u002Floveda_mask_convert.py --mask-dir data\u002FLoveDA\u002FTrain\u002FUrban\u002Fmasks_png --output-mask-dir data\u002FLoveDA\u002FTrain\u002FUrban\u002Fmasks_png_convert\r\npython GeoSeg\u002Ftools\u002Floveda_mask_convert.py --mask-dir data\u002FLoveDA\u002FVal\u002FRural\u002Fmasks_png --output-mask-dir data\u002FLoveDA\u002FVal\u002FRural\u002Fmasks_png_convert\r\npython GeoSeg\u002Ftools\u002Floveda_mask_convert.py --mask-dir data\u002FLoveDA\u002FVal\u002FUrban\u002Fmasks_png --output-mask-dir data\u002FLoveDA\u002FVal\u002FUrban\u002Fmasks_png_convert\r\n```\r\n\r\n## Training\r\n\r\n\"-c\" means the path of the config, use different **config** to train different models.\r\n\r\n```\r\npython GeoSeg\u002Ftrain_supervision.py -c GeoSeg\u002Fconfig\u002Fuavid\u002Funetformer.py\r\n```\r\n\r\n## Testing\r\n\r\n\"-c\" denotes the path of the config, Use different **config** to test different models. \r\n\r\n\"-o\" denotes the output path \r\n\r\n\"-t\" denotes the test time augmentation (TTA), can be [None, 'lr', 'd4'], default is None, 'lr' is flip TTA, 'd4' is multiscale TTA\r\n\r\n\"--rgb\" denotes whether to output masks in RGB format\r\n\r\n**Vaihingen**\r\n```\r\npython GeoSeg\u002Fvaihingen_test.py -c GeoSeg\u002Fconfig\u002Fvaihingen\u002Fdcswin.py -o fig_results\u002Fvaihingen\u002Fdcswin --rgb -t 'd4'\r\n```\r\n\r\n**Potsdam**\r\n```\r\npython GeoSeg\u002Fpotsdam_test.py -c GeoSeg\u002Fconfig\u002Fpotsdam\u002Fdcswin.py -o fig_results\u002Fpotsdam\u002Fdcswin --rgb -t 'lr'\r\n```\r\n\r\n**LoveDA** ([Online Testing](https:\u002F\u002Fcodalab.lisn.upsaclay.fr\u002Fcompetitions\u002F421))\r\n```\r\npython GeoSeg\u002Floveda_test.py -c GeoSeg\u002Fconfig\u002Floveda\u002Fdcswin.py -o fig_results\u002Floveda\u002Fdcswin_test -t 'd4'\r\n```\r\n\r\n**UAVid** ([Online Testing](https:\u002F\u002Fcodalab.lisn.upsaclay.fr\u002Fcompetitions\u002F7302))\r\n```\r\npython GeoSeg\u002Finference_uavid.py \\\r\n-i 'data\u002Fuavid\u002Fuavid_test' \\\r\n-c GeoSeg\u002Fconfig\u002Fuavid\u002Funetformer.py \\\r\n-o fig_results\u002Fuavid\u002Funetformer_r18 \\\r\n-t 'lr' -ph 1152 -pw 1024 -b 2 -d \"uavid\"\r\n```\r\n\r\n## Inference on huge remote sensing image\r\n```\r\npython GeoSeg\u002Finference_huge_image.py \\\r\n-i data\u002Fvaihingen\u002Ftest_images \\\r\n-c GeoSeg\u002Fconfig\u002Fvaihingen\u002Fdcswin.py \\\r\n-o fig_results\u002Fvaihingen\u002Fdcswin_huge \\\r\n-t 'lr' -ph 512 -pw 512 -b 2 -d \"pv\"\r\n```\r\n\r\n\u003Cdiv>\r\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FWangLibo1995_GeoSeg_readme_ad7690152f8f.png\" width=\"30%\"\u002F>\r\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FWangLibo1995_GeoSeg_readme_2188d9b2ba96.png\" width=\"35.5%\"\u002F>\r\n\u003C\u002Fdiv>\r\n\r\n## Reproduction Results\r\n|    Method     |  Dataset  |  F1   |  OA   |  mIoU |\r\n|:-------------:|:---------:|:-----:|:-----:|------:|\r\n|  UNetFormer   |   UAVid   |   -   |   -   | 67.63 |\r\n|  UNetFormer   | Vaihingen | 90.30 | 91.10 | 82.54 |\r\n|  UNetFormer   |  Potsdam  | 92.64 | 91.19 | 86.52 |\r\n|  UNetFormer   |  LoveDA   |   -   |   -   | 52.97 |\r\n| FT-UNetFormer | Vaihingen | 91.17 | 91.74 | 83.98 |\r\n| FT-UNetFormer |  Potsdam  | 93.22 | 91.87 | 87.50 |\r\n\r\nDue to some random operations in the training stage, reproduced results (run once) are slightly different from the reported in paper.\r\n\r\n## Citation\r\n\r\nIf you find this project useful in your research, please consider citing：\r\n\r\n- [UNetFormer: A UNet-like transformer for efficient semantic segmentation of remote sensing urban scene imagery](https:\u002F\u002Fauthors.elsevier.com\u002Fa\u002F1fIji3I9x1j9Fs)\r\n- [A Novel Transformer Based Semantic Segmentation Scheme for Fine-Resolution Remote Sensing Images](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9681903) \r\n- [Transformer Meets Convolution: A Bilateral Awareness Network for Semantic Segmentation of Very Fine Resolution Urban Scene Images](https:\u002F\u002Fwww.mdpi.com\u002F2072-4292\u002F13\u002F16\u002F3065)\r\n- [ABCNet: Attentive Bilateral Contextual Network for Efficient Semantic Segmentation of Fine-Resolution Remote Sensing Images](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0924271621002379)\r\n- [Multiattention network for semantic segmentation of fine-resolution remote sensing images](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9487010)\r\n- [A2-FPN for semantic segmentation of fine-resolution remotely sensed images](https:\u002F\u002Fwww.tandfonline.com\u002Fdoi\u002Ffull\u002F10.1080\u002F01431161.2022.2030071)\r\n\r\n\r\n\r\n## Acknowledgement\r\n\r\nWe wish **GeoSeg** could serve the growing research of remote sensing by providing a unified benchmark \r\nand inspiring researchers to develop their own segmentation networks. Many thanks the following projects's contributions to **GeoSeg**.\r\n- [pytorch lightning](https:\u002F\u002Fwww.pytorchlightning.ai\u002F)\r\n- [timm](https:\u002F\u002Fgithub.com\u002Frwightman\u002Fpytorch-image-models)\r\n- [pytorch-toolbelt](https:\u002F\u002Fgithub.com\u002FBloodAxe\u002Fpytorch-toolbelt)\r\n- [ttach](https:\u002F\u002Fgithub.com\u002Fqubvel\u002Fttach)\r\n- [catalyst](https:\u002F\u002Fgithub.com\u002Fcatalyst-team\u002Fcatalyst)\r\n- [mmsegmentation](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmsegmentation)\r\n","## 版本 2.0（稳定版）\n\n[欢迎来到我的主页！](https:\u002F\u002FWangLibo1995.github.io)\n\n## 新闻 \n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Ftransformer-meets-dcfam-a-novel-semantic\u002Fsemantic-segmentation-on-isprs-potsdam)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fsemantic-segmentation-on-isprs-potsdam?p=transformer-meets-dcfam-a-novel-semantic)\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Ftransformer-meets-dcfam-a-novel-semantic\u002Fsemantic-segmentation-on-isprs-vaihingen)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fsemantic-segmentation-on-isprs-vaihingen?p=transformer-meets-dcfam-a-novel-semantic)\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Fefficient-hybrid-transformer-learning-global\u002Fsemantic-segmentation-on-uavid)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fsemantic-segmentation-on-uavid?p=efficient-hybrid-transformer-learning-global)\n[![PWC](https:\u002F\u002Fimg.shields.io\u002Fendpoint.svg?url=https:\u002F\u002Fpaperswithcode.com\u002Fbadge\u002Fefficient-hybrid-transformer-learning-global\u002Fsemantic-segmentation-on-loveda)](https:\u002F\u002Fpaperswithcode.com\u002Fsota\u002Fsemantic-segmentation-on-loveda?p=efficient-hybrid-transformer-learning-global)\n\n- [PyramidMamba](.\u002Fgeoseg\u002Fmodels\u002FPyramidMamba.py) 的代码已发布。\n- 我已将此仓库更新至 PyTorch 2.0 和 PyTorch Lightning 2.0，支持多 GPU 训练等。\n- 骨干网络的预训练权重可通过 [Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1ELpFKONJZbXmwB5WCXG7w42eHtrXzyPn?usp=sharing) 获取。\n- 支持 [UNetFormer](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0924271622001654)（已被 ISPRS 接受，[PDF](https:\u002F\u002Fwww.researchgate.net\u002Fprofile\u002FLibo-Wang-17\u002Fpublication\u002F361736439_UNetFormer_A_UNet-like_transformer_for_efficient_semantic_segmentation_of_remote_sensing_urban_scene_imagery\u002Flinks\u002F62c2a1ed1cbf3a1d12ac1c87\u002FUNetFormer-A-UNet-like-transformer-for-efficient-semantic-segmentation-of-remote-sensing-urban-scene-imagery.pdf)) 和 **UAVid 数据集**。\n- 支持 ISPRS Vaihingen 和 Potsdam 数据集。由于不允许私下分享，您需要从官方网站下载数据集，并按照 **文件夹结构** 进行划分。\n- 更多网络已更新，并提供了预训练权重的链接。\n- **config\u002Floveda\u002Fdcswin.py** 提供了关于 **config** 设置的详细说明。\n- 支持对大型遥感图像进行推理（inference_huge_image.py）。\n\n## 简介\n\n**GeoSeg** 是一个基于 PyTorch、[pytorch lightning](https:\u002F\u002Fwww.pytorchlightning.ai\u002F) 和 [timm](https:\u002F\u002Fgithub.com\u002Frwightman\u002Fpytorch-image-models) 的开源语义分割工具箱，主要专注于开发用于遥感图像分割的先进视觉 Transformer 模型。\n\n## 主要特性\n\n- 统一基准测试\n\n  我们为各种分割方法提供统一的训练脚本。\n  \n- 简单高效\n\n  得益于 **pytorch lightning** 和 **timm**，代码易于进一步开发。\n  \n- 支持的遥感数据集\n\n  - [ISPRS Vaihingen 和 Potsdam](https:\u002F\u002Fwww.isprs.org\u002Feducation\u002Fbenchmarks\u002FUrbanSemLab\u002Fdefault.aspx) \n  - [UAVid](https:\u002F\u002Fuavid.nl\u002F)\n  - [LoveDA](https:\u002F\u002Fcodalab.lisn.upsaclay.fr\u002Fcompetitions\u002F421)\n  - [OpenEarthMap](https:\u002F\u002Fopen-earth-map.org\u002F)\n  - 未来还将支持更多数据集。\n  \n- 多尺度训练与测试\n- 对大型遥感图像的推理\n\n## 支持的网络\n\n- Mamba\n\n  - [PyramidMamba](https:\u002F\u002Farxiv.org\u002Fabs\u002F2406.10828)\n\n- 视觉 Transformer\n\n  - [UNetFormer](https:\u002F\u002Fauthors.elsevier.com\u002Fa\u002F1fIji3I9x1j9Fs) \n  - [DC-Swin](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9681903)\n  - [BANet](https:\u002F\u002Fwww.mdpi.com\u002F2072-4292\u002F13\u002F16\u002F3065)\n  \n- CNN\n\n  - [MANet](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9487010) \n  - [ABCNet](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0924271621002379)\n  - [A2FPN](https:\u002F\u002Fwww.tandfonline.com\u002Fdoi\u002Ffull\u002F10.1080\u002F01431161.2022.2030071)\n  \n## 文件夹结构\n\n请准备以下文件夹以组织此仓库：\n```none\nairs\n├── GeoSeg (代码)\n├── pretrain_weights (骨干网络的预训练权重，如 vit、swin 等)\n├── model_weights (保存在 ISPRS Vaihingen、LoveDA 等数据集上训练的模型权重)\n├── fig_results (保存模型预测的掩码)\n├── lightning_logs (CSV 格式的训练日志)\n├── data\n│   ├── LoveDA\n│   │   ├── Train\n│   │   │   ├── Urban\n│   │   │   │   ├── images_png (原始图像)\n│   │   │   │   ├── masks_png (原始掩码)\n│   │   │   │   ├── masks_png_convert (用于训练的转换后掩码)\n│   │   │   │   ├── masks_png_convert_rgb (原始 RGB 格式掩码)\n│   │   │   ├── Rural\n│   │   │   │   ├── images_png \n│   │   │   │   ├── masks_png \n│   │   │   │   ├── masks_png_convert\n│   │   │   │   ├── masks_png_convert_rgb\n│   │   ├── Val (与 Train 相同)\n│   │   ├── Test\n│   │   ├── train_val (合并 Train 和 Val)\n│   ├── uavid\n│   │   ├── uavid_train (原始)\n│   │   ├── uavid_val (原始)\n│   │   ├── uavid_test (原始)\n│   │   ├── uavid_train_val (合并 uavid_train 和 uavid_val)\n│   │   ├── train (处理后)\n│   │   ├── val (处理后)\n│   │   ├── train_val (处理后)\n│   ├── vaihingen\n│   │   ├── train_images (原始)\n│   │   ├── train_masks (原始)\n│   │   ├── test_images (原始)\n│   │   ├── test_masks (原始)\n│   │   ├── test_masks_eroded (原始)\n│   │   ├── train (处理后)\n│   │   ├── test (处理后)\n│   ├── potsdam (与 vaihingen 相同)\n```\n\n## 安装\n\n使用 **Linux 终端** 打开 **airs** 文件夹，并创建 Python 环境：\n```bash\nconda create -n airs python=3.8\nconda activate airs\npip3 install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\npip install -r GeoSeg\u002Frequirements.txt\n```\n\n安装 Mamba：\n```bash\npip install causal-conv1d>=1.4.0\npip install mamba-ssm\n```\n\n## 骨干网络的预训练权重\n\n[Baidu Disk](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1foJkxeUZwVi5SnKNpn6hfg) : 1234 \n\n[Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1ELpFKONJZbXmwB5WCXG7w42eHtrXzyPn?usp=sharing)\n\n## 数据预处理\n\n从官方网站下载数据集，并自行进行划分。\n\n**Vaihingen**\n\n生成训练集。\n```bash\npython GeoSeg\u002Ftools\u002Fvaihingen_patch_split.py \\\n--img-dir \"data\u002Fvaihingen\u002Ftrain_images\" \\\n--mask-dir \"data\u002Fvaihingen\u002Ftrain_masks\" \\\n--output-img-dir \"data\u002Fvaihingen\u002Ftrain\u002Fimages_1024\" \\\n--output-mask-dir \"data\u002Fvaihingen\u002Ftrain\u002Fmasks_1024\" \\\n--mode \"train\" --split-size 1024 --stride 512 \n```\n\n生成测试集。\n```bash\npython GeoSeg\u002Ftools\u002Fvaihingen_patch_split.py \\\n--img-dir \"data\u002Fvaihingen\u002Ftest_images\" \\\n--mask-dir \"data\u002Fvaihingen\u002Ftest_masks_eroded\" \\\n--output-img-dir \"data\u002Fvaihingen\u002Ftest\u002Fimages_1024\" \\\n--output-mask-dir \"data\u002Fvaihingen\u002Ftest\u002Fmasks_1024\" \\\n--mode \"val\" --split-size 1024 --stride 1024 \\\n--eroded\n```\n\n生成用于可视化的 masks_1024_rgb（RGB格式的真值标签）。\n```bash\npython GeoSeg\u002Ftools\u002Fvaihingen_patch_split.py \\\n--img-dir \"data\u002Fvaihingen\u002Ftest_images\" \\\n--mask-dir \"data\u002Fvaihingen\u002Ftest_masks\" \\\n--output-img-dir \"data\u002Fvaihingen\u002Ftest\u002Fimages_1024\" \\\n--output-mask-dir \"data\u002Fvaihingen\u002Ftest\u002Fmasks_1024_rgb\" \\\n--mode \"val\" --split-size 1024 --stride 1024 \\\n--gt\n```\n\n对于验证集，可以从训练集中选取部分图像来构建。\n\n**Potsdam**\n```bash\npython GeoSeg\u002Ftools\u002Fpotsdam_patch_split.py \\\n--img-dir \"data\u002Fpotsdam\u002Ftrain_images\" \\\n--mask-dir \"data\u002Fpotsdam\u002Ftrain_masks\" \\\n--output-img-dir \"data\u002Fpotsdam\u002Ftrain\u002Fimages_1024\" \\\n--output-mask-dir \"data\u002Fpotsdam\u002Ftrain\u002Fmasks_1024\" \\\n--mode \"train\" --split-size 1024 --stride 1024 --rgb-image \n```\n\n```bash\npython GeoSeg\u002Ftools\u002Fpotsdam_patch_split.py \\\n--img-dir \"data\u002Fpotsdam\u002Ftest_images\" \\\n--mask-dir \"data\u002Fpotsdam\u002Ftest_masks_eroded\" \\\n--output-img-dir \"data\u002Fpotsdam\u002Ftest\u002Fimages_1024\" \\\n--output-mask-dir \"data\u002Fpotsdam\u002Ftest\u002Fmasks_1024\" \\\n--mode \"val\" --split-size 1024 --stride 1024 \\\n--eroded --rgb-image\n```\n\n```bash\npython GeoSeg\u002Ftools\u002Fpotsdam_patch_split.py \\\n--img-dir \"data\u002Fpotsdam\u002Ftest_images\" \\\n--mask-dir \"data\u002Fpotsdam\u002Ftest_masks\" \\\n--output-img-dir \"data\u002Fpotsdam\u002Ftest\u002Fimages_1024\" \\\n--output-mask-dir \"data\u002Fpotsdam\u002Ftest\u002Fmasks_1024_rgb\" \\\n--mode \"val\" --split-size 1024 --stride 1024 \\\n--gt --rgb-image\n```\n\n**UAVid**\n```bash\npython GeoSeg\u002Ftools\u002Fuavid_patch_split.py \\\n--input-dir \"data\u002Fuavid\u002Fuavid_train_val\" \\\n--output-img-dir \"data\u002Fuavid\u002Ftrain_val\u002Fimages\" \\\n--output-mask-dir \"data\u002Fuavid\u002Ftrain_val\u002Fmasks\" \\\n--mode 'train' --split-size-h 1024 --split-size-w 1024 \\\n--stride-h 1024 --stride-w 1024\n```\n\n```bash\npython GeoSeg\u002Ftools\u002Fuavid_patch_split.py \\\n--input-dir \"data\u002Fuavid\u002Fuavid_train\" \\\n--output-img-dir \"data\u002Fuavid\u002Ftrain\u002Fimages\" \\\n--output-mask-dir \"data\u002Fuavid\u002Ftrain\u002Fmasks\" \\\n--mode 'train' --split-size-h 1024 --split-size-w 1024 \\\n--stride-h 1024 --stride-w 1024\n```\n\n```bash\npython GeoSeg\u002Ftools\u002Fuavid_patch_split.py \\\n--input-dir \"data\u002Fuavid\u002Fuavid_val\" \\\n--output-img-dir \"data\u002Fuavid\u002Fval\u002Fimages\" \\\n--output-mask-dir \"data\u002Fuavid\u002Fval\u002Fmasks\" \\\n--mode 'val' --split-size-h 1024 --split-size-w 1024 \\\n--stride-h 1024 --stride-w 1024\n```\n\n**LoveDA**\n```bash\npython GeoSeg\u002Ftools\u002Floveda_mask_convert.py --mask-dir data\u002FLoveDA\u002FTrain\u002FRural\u002Fmasks_png --output-mask-dir data\u002FLoveDA\u002FTrain\u002FRural\u002Fmasks_png_convert\npython GeoSeg\u002Ftools\u002Floveda_mask_convert.py --mask-dir data\u002FLoveDA\u002FTrain\u002FUrban\u002Fmasks_png --output-mask-dir data\u002FLoveDA\u002FTrain\u002FUrban\u002Fmasks_png_convert\npython GeoSeg\u002Ftools\u002Floveda_mask_convert.py --mask-dir data\u002FLoveDA\u002FVal\u002FRural\u002Fmasks_png --output-mask-dir data\u002FLoveDA\u002FVal\u002FRural\u002Fmasks_png_convert\npython GeoSeg\u002Ftools\u002Floveda_mask_convert.py --mask-dir data\u002FLoveDA\u002FVal\u002FUrban\u002Fmasks_png --output-mask-dir data\u002FLoveDA\u002FVal\u002FUrban\u002Fmasks_png_convert\n```\n\n## 训练\n\n“-c”表示配置文件的路径，使用不同的**配置文件**来训练不同的模型。\n\n```bash\npython GeoSeg\u002Ftrain_supervision.py -c GeoSeg\u002Fconfig\u002Fuavid\u002Funetformer.py\n```\n\n## 测试\n\n“-c”表示配置文件的路径，使用不同的**配置文件**来测试不同的模型。\n\n“-o”表示输出路径\n\n“-t”表示测试时增强（TTA），可取[None, 'lr', 'd4']，默认为None，'lr'为翻转TTA，'d4'为多尺度TTA\n\n“--rgb”表示是否以RGB格式输出掩码\n\n**Vaihingen**\n```bash\npython GeoSeg\u002Fvaihingen_test.py -c GeoSeg\u002Fconfig\u002Fvaihingen\u002Fdcswin.py -o fig_results\u002Fvaihingen\u002Fdcswin --rgb -t 'd4'\n```\n\n**Potsdam**\n```bash\npython GeoSeg\u002Fpotsdam_test.py -c GeoSeg\u002Fconfig\u002Fpotsdam\u002Fdcswin.py -o fig_results\u002Fpotsdam\u002Fdcswin --rgb -t 'lr'\n```\n\n**LoveDA**（[在线测试](https:\u002F\u002Fcodalab.lisn.upsaclay.fr\u002Fcompetitions\u002F421)）\n```bash\npython GeoSeg\u002Floveda_test.py -c GeoSeg\u002Fconfig\u002Floveda\u002Fdcswin.py -o fig_results\u002Floveda\u002Fdcswin_test -t 'd4'\n```\n\n**UAVid**（[在线测试](https:\u002F\u002Fcodalab.lisn.upsaclay.fr\u002Fcompetitions\u002F7302)）\n```bash\npython GeoSeg\u002Finference_uavid.py \\\n-i 'data\u002Fuavid\u002Fuavid_test' \\\n-c GeoSeg\u002Fconfig\u002Fuavid\u002Funetformer.py \\\n-o fig_results\u002Fuavid\u002Funetformer_r18 \\\n-t 'lr' -ph 1152 -pw 1024 -b 2 -d \"uavid\"\n```\n\n## 大型遥感图像推理\n```bash\npython GeoSeg\u002Finference_huge_image.py \\\n-i data\u002Fvaihingen\u002Ftest_images \\\n-c GeoSeg\u002Fconfig\u002Fvaihingen\u002Fdcswin.py \\\n-o fig_results\u002Fvaihingen\u002Fdcswin_huge \\\n-t 'lr' -ph 512 -pw 512 -b 2 -d \"pv\"\n```\n\n\u003Cdiv>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FWangLibo1995_GeoSeg_readme_ad7690152f8f.png\" width=\"30%\"\u002F>\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FWangLibo1995_GeoSeg_readme_2188d9b2ba96.png\" width=\"35.5%\"\u002F>\n\u003C\u002Fdiv>\n\n## 复现结果\n|    方法     |  数据集  |  F1   |  OA   |  mIoU |\n|:-------------:|:---------:|:-----:|:-----:|------:|\n|  UNetFormer   |   UAVid   |   -   |   -   | 67.63 |\n|  UNetFormer   | Vaihingen | 90.30 | 91.10 | 82.54 |\n|  UNetFormer   |  Potsdam  | 92.64 | 91.19 | 86.52 |\n|  UNetFormer   |  LoveDA   |   -   |   -   | 52.97 |\n| FT-UNetFormer | Vaihingen | 91.17 | 91.74 | 83.98 |\n| FT-UNetFormer |  Potsdam  | 93.22 | 91.87 | 87.50 |\n\n由于训练阶段存在一些随机操作，复现结果（单次运行）与论文中报告的结果略有差异。\n\n## 引用\n\n如果您在研究中发现本项目有用，请考虑引用以下文献：\n\n- [UNetFormer：一种类似UNet的Transformer，用于高效语义分割遥感城市场景图像](https:\u002F\u002Fauthors.elsevier.com\u002Fa\u002F1fIji3I9x1j9Fs)\n- [一种基于Transformer的新型语义分割方案，适用于高分辨率遥感图像](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9681903) \n- [Transformer与卷积相遇：一种双侧感知网络，用于非常精细分辨率的城市场景图像语义分割](https:\u002F\u002Fwww.mdpi.com\u002F2072-4292\u002F13\u002F16\u002F3065)\n- [ABCNet：一种注意力驱动的双侧上下文网络，用于高效语义分割高分辨率遥感图像](https:\u002F\u002Fwww.sciencedirect.com\u002Fscience\u002Farticle\u002Fpii\u002FS0924271621002379)\n- [用于高分辨率遥感图像语义分割的多注意力网络](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9487010)\n- [用于高分辨率遥感图像语义分割的A2-FPN](https:\u002F\u002Fwww.tandfonline.com\u002Fdoi\u002Ffull\u002F10.1080\u002F01431161.2022.2030071)\n\n## 致谢\n\n我们希望 **GeoSeg** 能够通过提供统一的基准测试，服务于不断发展的遥感研究，并激励研究人员开发自己的分割网络。在此，特别感谢以下项目对 **GeoSeg** 的贡献：\n\n- [PyTorch Lightning](https:\u002F\u002Fwww.pytorchlightning.ai\u002F)\n- [timm](https:\u002F\u002Fgithub.com\u002Frwightman\u002Fpytorch-image-models)\n- [PyTorch Toolbelt](https:\u002F\u002Fgithub.com\u002FBloodAxe\u002Fpytorch-toolbelt)\n- [TTACh](https:\u002F\u002Fgithub.com\u002Fqubvel\u002Fttach)\n- [Catalyst](https:\u002F\u002Fgithub.com\u002Fcatalyst-team\u002Fcatalyst)\n- [MMSegmentation](https:\u002F\u002Fgithub.com\u002Fopen-mmlab\u002Fmmsegmentation)","# GeoSeg 快速上手指南\n\nGeoSeg 是一个基于 PyTorch、PyTorch Lightning 和 timm 的开源遥感图像语义分割工具箱，专注于开发先进的 Vision Transformer 模型。\n\n## 1. 环境准备\n\n*   **操作系统**: Linux (推荐)\n*   **Python 版本**: 3.8\n*   **CUDA 版本**: 建议 11.8 (根据官方安装命令)\n*   **硬件要求**: 支持多 GPU 训练，推理大尺寸遥感图像需较大显存。\n\n## 2. 安装步骤\n\n### 2.1 创建虚拟环境\n打开终端，进入项目根目录（假设为 `airs`），执行以下命令：\n\n```bash\nconda create -n airs python=3.8\nconda activate airs\n```\n\n### 2.2 安装 PyTorch 及依赖\n使用官方源安装 PyTorch (CUDA 11.8)，然后安装项目依赖：\n\n```bash\npip3 install torch torchvision torchaudio --index-url https:\u002F\u002Fdownload.pytorch.org\u002Fwhl\u002Fcu118\npip install -r GeoSeg\u002Frequirements.txt\n```\n\n### 2.3 安装 Mamba 组件 (可选)\n如果需要使用 PyramidMamba 等模型，需额外安装：\n\n```bash\npip install causal-conv1d>=1.4.0\npip install mamba-ssm\n```\n\n### 2.4 下载预训练权重\n骨干网络（Backbone）的预训练权重可从以下地址下载，并放入 `pretrain_weights` 文件夹：\n*   **Google Drive**: [下载链接](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F1ELpFKONJZbXmwB5WCXG7w42eHtrXzyPn?usp=sharing)\n*   **百度网盘**: [下载链接](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1foJkxeUZwVi5SnKNpn6hfg) (提取码: 1234)\n\n## 3. 基本使用\n\n### 3.1 数据准备\nGeoSeg 不支持自动下载数据集，需从官网下载 ISPRS Vaihingen\u002FPotsdam、UAVid 或 LoveDA 数据集，并按照项目规定的 `Folder Structure` 整理目录。\n\n**示例：处理 Vaihingen 数据集 (切片)**\n将原始大图切割为 1024x1024 的训练块：\n\n```bash\npython GeoSeg\u002Ftools\u002Fvaihingen_patch_split.py \\\n--img-dir \"data\u002Fvaihingen\u002Ftrain_images\" \\\n--mask-dir \"data\u002Fvaihingen\u002Ftrain_masks\" \\\n--output-img-dir \"data\u002Fvaihingen\u002Ftrain\u002Fimages_1024\" \\\n--output-mask-dir \"data\u002Fvaihingen\u002Ftrain\u002Fmasks_1024\" \\\n--mode \"train\" --split-size 1024 --stride 512 \n```\n\n*注：其他数据集（Potsdam, UAVid, LoveDA）请参考 README 中对应的预处理脚本命令。*\n\n### 3.2 模型训练\n使用配置文件启动训练。`-c` 指定配置文件路径。\n\n**示例：在 UAVid 数据集上训练 UNetFormer**\n```bash\npython GeoSeg\u002Ftrain_supervision.py -c GeoSeg\u002Fconfig\u002Fuavid\u002Funetformer.py\n```\n\n### 3.3 模型测试与推理\n使用训练好的模型进行测试。`-o` 指定输出路径，`-t` 指定测试时增强策略 (如 'lr' 翻转，'d4' 多尺度)。\n\n**示例：测试 Vaihingen 数据集 (使用 DC-Swin 模型)**\n```bash\npython GeoSeg\u002Fvaihingen_test.py -c GeoSeg\u002Fconfig\u002Fvaihingen\u002Fdcswin.py -o fig_results\u002Fvaihingen\u002Fdcswin --rgb -t 'd4'\n```\n\n**示例：推理超大尺寸遥感图像**\n```bash\npython GeoSeg\u002Finference_huge_image.py \\\n-i data\u002Fvaihingen\u002Ftest_images \\\n-c GeoSeg\u002Fconfig\u002Fvaihingen\u002Fdcswin.py \\\n-o fig_results\u002Fvaihingen\u002Fdcswin_huge \\\n-t 'lr' -ph 512 -pw 512 -b 2 -d \"pv\"\n```\n\n### 3.4 配置说明\n详细的参数配置请参考 `GeoSeg\u002Fconfig\u002Floveda\u002Fdcswin.py`，该文件提供了完整的配置项解释。不同数据集和模型请切换对应的 config 文件。","某城市规划研究院的技术团队正利用无人机航拍的高分辨率影像，对城市新区的建筑、道路及植被进行自动化语义分割，以辅助土地利用分析。\n\n### 没有 GeoSeg 时\n- **模型适配困难**：面对卫星、航空及无人机等多源异构数据，团队需手动修改代码适配不同网络架构，开发周期长达数周。\n- **大图推理崩溃**：处理千兆级（GB）的原始遥感影像时，显存极易溢出，不得不人工切割图像，导致地物边界分割破碎且后期拼接繁琐。\n- **精度与效率难平衡**：传统 CNN 模型在复杂城市场景下对细小道路识别率低，而引入 Transformer 模型又面临训练配置复杂、多卡并行调试痛苦的问题。\n- **基准不统一**：缺乏统一的训练评估框架，对比不同算法（如 UNetFormer 与 MANet）时需重复编写数据加载和评估脚本，实验复现性差。\n\n### 使用 GeoSeg 后\n- **开箱即用多模型**：直接调用内置的 UNetFormer、PyramidMamba 等先进模型，配合 PyTorch Lightning 统一接口，半天内即可完成从数据加载到模型微调的全流程。\n- **无缝处理超大影像**：利用 `inference_huge_image.py` 脚本，GeoSeg 支持对海量遥感图像进行滑动窗口推理，自动解决显存限制并输出完整、边缘平滑的分割图。\n- **性能显著提升**：借助针对遥感优化的 Vision Transformer 架构，在 ISPRS 或 UAVid 数据集上实现了更高的平均交并比（mIoU），精准识别狭窄道路与密集建筑。\n- **高效实验迭代**：依托统一的基准测试环境，团队可轻松切换不同骨干网络并进行多尺度训练验证，将算法选型与调优效率提升了 3 倍以上。\n\nGeoSeg 通过提供统一、高效且专为遥感设计的深度学习框架，让规划团队从繁琐的工程调试中解放出来，专注于提升城市感知分析的精度与价值。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FWangLibo1995_GeoSeg_ad769015.png","WangLibo1995","Libo Wang","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FWangLibo1995_0ceea385.png","Wuhan University, Ph.D.                                    ",null,"https:\u002F\u002Fwanglibo1995.github.io","https:\u002F\u002Fgithub.com\u002FWangLibo1995",[80],{"name":81,"color":82,"percentage":83},"Python","#3572A5",100,1059,148,"2026-04-12T15:28:13","GPL-3.0",4,"Linux","需要 NVIDIA GPU (安装命令指定了 cu118)，支持多 GPU 训练，具体显存需求未说明（建议 8GB+ 以处理遥感大图）","未说明",{"notes":93,"python":94,"dependencies":95},"1. 官方安装指南明确建议使用 Linux 终端操作。2. 若使用 PyramidMamba 模型，需额外安装 causal-conv1d 和 mamba-ssm。3. 预训练骨干网络权重需从 Google Drive 或百度网盘手动下载。4. 数据集（ISPRS, UAVid, LoveDA 等）需从官网下载并按指定文件夹结构自行切割预处理。5. 支持对超大尺寸遥感图像进行推理。","3.8",[96,97,98,99,100,101,102],"torch>=2.0","torchvision","torchaudio","pytorch-lightning>=2.0","timm","causal-conv1d>=1.4.0","mamba-ssm",[14,35,15],[105,106,107,108,109,100,110,111,112],"pytorch-lightning","remote-sensing-image","vision-transformer","deep-learning","pytorch","cnn","segmentation","semantic-segmentation","2026-03-27T02:49:30.150509","2026-04-15T13:04:04.157902",[],[]]