内容：
遥感图像的语义分割，分别使用Deeplab V3+(Xception 和mobilenet V2 backbone)和unet模型
Deeplab V3+模型代码来自https://github.com/Epsilon123/keras-deeplab-v3-plus
unet模型代码来自https://www.kaggle.com/drn01z3/end-to-end-baseline-with-u-net-keras
数据来自Kaggle竞赛https://www.kaggle.com/c/dstl-satellite-imagery-feature-detection https://www.kaggle.com/c/dstl-satellite-imagery-feature-detection 翻墙注册，这里有数据，教程和代码，能搞懂unet就能理解所有的语义分割原理。
可以根据使用需要自定义输入、输出、激活函数、网络层
环境：
Ubuntu 16.04
keras 2.15
tensorflow-gpu 1.10
cuda 9.0
opencv 3.4
tifffile
shapely 1.6
结果：
label：
原图：
类别1：建筑物
类别2：道路
类别3：树木
类别6：汽车
github是随便写的，这是研究生毕业论文，没有发表，本人也没有博客，有问题可以邮箱联系我853569053@qq.com kaggle账号注册需要翻墙，数据量很大需要翻墙下载。建议先实现unet，在了解整个实验流程原理以及代码的基础上，再实现deeplab v3+。此项目不再维护，不要用QQ联系。