公司网站欢迎语万秀服务不错的seo推广

目录

简要介绍SwinSTFM

环境搭建

数据集设计

Train部分

---

简要介绍SwinSTFM

        SwinSTFM是一个基于Swin-transformer架构的用于遥感时空融合的模型，主要分为两个板块，一是特征提取模块，可以理解为transfoemer的Encoder模块，二是多级融合模块，可以简单理解为Decoder模块。

 

        如果想看懂原理，建议优先阅读原论文。

环境搭建

        我复现的环境是python3.9 + torch1.13.X环境其余包可以直接安装，值得一提的是pip安装gdal需要进行离线安装，可以使用conda安装gdal进而直接安装rasterio，另外torch安装的时候建议直接进入官方网站复制想要的命令（conda的命令-nvidia会很慢需要等很久）。

        如果你需要保证其原有效果，建议考虑requirement.txt文件，需要注意的是python版本最好在3.6与3.9之间。

数据集设计

        建议使用代码中指出的的数据集样式即命名为年份_天数（是一年中的第几天）_月份加日期命名文件夹，文件夹中.npy数据要以MOD-或者LAN开头，图中是已经改了代码的样式。

         数据集分好之后需要运行generate_data.py文件，这个文件是将训练数据分为多少个patch。

        image_size 改为你数据集的数据的大小

        patch_size 改为你想得到的patch大小

        root_dir 改为数据集的根目录

        train_datas 为数据集中的文件夹名字

        （我没明白那个LGC数据集，换了个自己找的数据集复现的）

Train部分

        train部分需要注意的是train_dir是存放patch的目录

        请注意cur_day那个判断中[149,229,261]这个里面的数字代表天数，请改为数据集中有的数字。

        

        然后将data.py中的10000改为数据集相应的位深，所有有关于10000的数值都需要改为相应位深的数值。

        test.py也做相应处理。