1. 前言：

BIT是用transformer結(jié)構(gòu)進(jìn)行變化檢測的一個(gè)孿生網(wǎng)絡(luò)，它的backbone用的是Resnet結(jié)構(gòu)，具體結(jié)構(gòu)分析可以參考這個(gè)鏈接的作者寫的，非常清楚, http://t.csdn.cn/rA9sH。
下面就是來講我自己的實(shí)現(xiàn)過程，比較簡單。

2. 數(shù)據(jù)結(jié)構(gòu)

首先，在官網(wǎng)找到相應(yīng)的代碼，下載解壓到自己的本地。github上面的鏈接為：https://github.com/justchenhao/BIT_CD
然后下載測試數(shù)據(jù)集LEVIR-CD，鏈接為：https://justchenhao.github.io/LEVIR/
這個(gè)BIT需要的數(shù)據(jù)結(jié)構(gòu)跟直接下載的LEVIR-CD的數(shù)據(jù)結(jié)構(gòu)不太一樣，我們還需要修改一下數(shù)據(jù)結(jié)構(gòu)。
我們把數(shù)據(jù)結(jié)構(gòu)改成下面這種形式的：

具體就是A文件夾里面放一期影像的訓(xùn)練、驗(yàn)證、測試數(shù)據(jù)，B里面放另一期影像的訓(xùn)練、驗(yàn)證、測試數(shù)據(jù)，然后label里面放標(biāo)簽，list里面放train.txt，val.txt，test.txt。

每一個(gè)txt里面放的是用于訓(xùn)練的數(shù)據(jù)的名稱，后面訓(xùn)練的數(shù)據(jù)就是從這個(gè)txt里面讀取相應(yīng)的圖片名字，然后讀取對(duì)應(yīng)圖片進(jìn)行訓(xùn)練的。

3. 環(huán)境配置

BIT的環(huán)境配置相對(duì)簡單，先看官方給出的Requirements：

也就是說，我們主要有以下幾個(gè)重要的包就行，同時(shí)BIT對(duì)于包的版本要求也不高，只需要包的版本跟這個(gè)相同或者比這個(gè)高就行。
可以在cmd里面輸入：pip list命令查看自己是否都安裝了這幾個(gè)包，然后具體的版本是多少， 下面是我的pip list結(jié)果，
可以看到我已經(jīng)安裝了pytorch和torchvision了，并且版本比要求的高，所以我就只需要安裝einops就行了。我直接用命令行：pip install einops安裝了。

然后用pycharm打開我們解壓好的代碼，選擇【File】-【Settings】然后打開python解譯器的界面，將我們剛剛安裝了滿足條件的相關(guān)包的那個(gè)環(huán)境選擇為BIT的編譯環(huán)境，這里是我的環(huán)境。

這樣環(huán)境就調(diào)試好了。

4. 訓(xùn)練

用于訓(xùn)練的文件是main_cd.py，這里有一些參數(shù)需要修改一下才能訓(xùn)練，重要的參數(shù)可以看下面的截圖。
checkpoint_root參數(shù)：會(huì)默認(rèn)在項(xiàng)目所在位置生成一個(gè)文件夾，
project_name就是在checkpoint_root這個(gè)路徑下下面生成的一個(gè)文件夾，這個(gè)文件夾中存放每次訓(xùn)練的模型及相關(guān)log文件，每次訓(xùn)練需要一個(gè)不同的project_name。
dataset 這里建議不用修改，因?yàn)檫@里跟data_config.py文件時(shí)關(guān)聯(lián)的。
data_name這里也建議不修改，我們后面來修改data_config.py文件。
其他參數(shù)的意義就不用介紹了，有一點(diǎn)深度學(xué)習(xí)基礎(chǔ)的都懂。

到這里，是不是很懵逼，我訓(xùn)練數(shù)據(jù)集的路徑還沒指定呢，怎么訓(xùn)練？在哪里指定呢？
我們需要在data_config.py中修改，這里只需要把root_dir修改成自己的數(shù)據(jù)集路徑就行了。

下面就可以點(diǎn)擊運(yùn)行main_cd.py了。

我這里還報(bào)了一個(gè)錯(cuò)，我debug的時(shí)候，發(fā)現(xiàn)找不到tifffile這個(gè)包，原因就是這個(gè)tifffile包沒有安裝**，然后我又安裝了這個(gè)包。這個(gè)包不能直接用pip安裝，會(huì)找不到合適的版本，推薦在這個(gè)網(wǎng)站上安裝，https://www.lfd.uci.edu/~gohlke/pythonlibs/
直接搜索tifffile，找到最新的包下載相關(guān)的.whl文件，然后pip install 這個(gè).whl文件就行。安裝成功之后就可以運(yùn)行了。

還遇到了這個(gè)錯(cuò)誤：
ModuleNotFoundError: No module named ‘torchvision.models.utils
是因?yàn)槲覀兊膖orch版本比較高（高于1.6），所以報(bào)錯(cuò)了，需要將報(bào)錯(cuò)語句
“from torchvision.models.utils import load_state_dict_from_url”改成“from torch.hub import load_state_dict_from_url”
就可以了。

5. 預(yù)測

預(yù)測用到的時(shí)demo.py這個(gè)文件，這里需要注意的是，checkpoint_root和project_name需要輸入的是我們前面訓(xùn)練時(shí)的那個(gè)checkpoint_root和project_name，否則就沒辦法找到我們訓(xùn)練好的模型了。預(yù)測的時(shí)候會(huì)默認(rèn)調(diào)用project_name文件夾下保存的我們訓(xùn)練過程中最好的那一個(gè)模型。
output_folder是預(yù)測結(jié)果保存的路徑，自己根據(jù)情況輸入想保存的路徑就行。
這里的dataset和data_name我還是跟前面訓(xùn)練的時(shí)候保持了一致，所以其實(shí)我還是用原來的那一批數(shù)據(jù)，只不過我在“split”里面，改成了“test”，就是說，我用來預(yù)測的數(shù)據(jù)用的是LEVIR數(shù)據(jù)集里面的test文件夾里面的數(shù)據(jù)。

需要注意的是，預(yù)測的時(shí)候，數(shù)據(jù)格式跟訓(xùn)練的時(shí)候的數(shù)據(jù)結(jié)構(gòu)要保持一致，也就是說，**預(yù)測也需要有l(wèi)abel文件夾的，如果沒有會(huì)報(bào)錯(cuò)。**至于為什么，我目前還沒弄懂。

一般數(shù)據(jù)在進(jìn)行訓(xùn)練和驗(yàn)證的時(shí)候需要label，在進(jìn)行精度評(píng)價(jià)test的時(shí)候也需要label，但是進(jìn)行推理時(shí)，也就是我們?cè)趐redict的時(shí)候是不需要輸入label的。后面我會(huì)更新如何修改代碼，讓模型在預(yù)測時(shí)不需要輸入標(biāo)簽數(shù)據(jù)。

把相關(guān)參數(shù)設(shè)置好之后，就可以點(diǎn)擊預(yù)測了。

但是，我又遇到了這樣一個(gè)錯(cuò)誤：

RuntimeError: Error(s) in loading state_dict for BASE_Transformer**

找了好久，一直不明白為什么會(huì)遇到這個(gè)奇怪的錯(cuò)誤，然后終于讓我在網(wǎng)上發(fā)現(xiàn)了這個(gè)大佬的debug過程，這里給大家鏈接，可以參考一下：
http://t.csdn.cn/9Ws8C

其實(shí)就是我們的預(yù)測時(shí)調(diào)用的模型跟我們訓(xùn)練的時(shí)候調(diào)用的模型不一致。

這是我們預(yù)測的模型：

這是我們訓(xùn)練時(shí)用的模型

可以看出來，兩個(gè)模型不一樣，我們只需要將預(yù)測的模型改成與訓(xùn)練的模型一樣的就行了。

完成。文章來源地址http://www.zghlxwxcb.cn/news/detail-497380.html

到了這里，關(guān)于BIT 變化檢測模型復(fù)現(xiàn) 深度學(xué)習(xí)學(xué)習(xí)筆記 基于transformer結(jié)構(gòu)的圖像處理模型的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！