cropmask 0.1

CropMask是一个项目，用于训练和部署实例分割模型，以从多光谱卫星图像中绘制中心灌溉农业。它扩展了matterport的模块，该模块是Python 3、Keras和TensorFlow上Mask R-CNN的一个实现。CropMask与多光谱卫星图像一起工作，包含通过Terraform提供基础设施代码来在Azure上配置测试集群，并将最终包含Leaflet或OpenLayers网络应用程序来公开全球干旱地区的作物用水地图。

有关Mask R-CNN架构的解释以及笔记本教程和笔记本的一般指南，请参阅matterport的mrcnn存储库。

有关该项目的海报形式概述，请参阅我在2018年秋季会议上展示的关于中心灌溉作物用水的海报。

以下是对2004年Landsat SR场景在内布拉斯加州西部的初步测试结果。检测结果显示为红色，内布拉斯加州农业部的目标为绿色。度量指标为（概率分数）/（交集与并集）

在本地安装作物掩码依赖项，请参阅terraform/文件夹中的设置Azure组件的说明。

1. 安装依赖项并安装该软件包

   conda env create -f cropmask-env.yml
   python setup.py install # use develop instead of install for editable mode
   

2. 在~处创建一个名为.lsru的文件，并填写您的NASA地球探索者登录凭证

   [usgs]
   username=
   password=
   

3. 复制azure_configs_template.yaml，将其重命名为azure_configs.yaml，并将其放置在git仓库之外（这样您就不会意外提交它）。根据模板中的注释进行填写。

4. 下载国家WBD数据集

5. 使用此工具查找您想要获取Landsat影像的流域。注意HUC ID和HUC级别（HUC ID中的数字数量），并将这些信息放入您的azure_config.yaml文件中

6. 从发布页面下载预训练的COCO权重（mask_rcnn_coco.h5）。

7. （可选）要在MS COCO上进行训练或测试，从以下存储库之一安装pycocotools。它们是针对Python3和Windows的原始pycocotools的分支，具有针对这些平台的修复（官方存储库似乎不再活跃）。

   • Linux: https://github.com/waleedka/coco
   • Windows: https://github.com/philferriere/cocoapi。您必须在您的路径上安装Visual C++ 2015构建工具（请参阅存储库以获取其他详细信息）

8. 要使用来自内布拉斯加州2005年中心旋转数据集的标签进行训练或测试，并将投影定义为内布拉斯加州州平面NAD 1983英尺，EPSG代码为102704

此设置将允许您运行项目中的部分，这些部分不需要Azure，例如根据流域边界本地下载Landsat产品。有关在Azure上设置整个项目的说明，请参阅terraform文件夹中的README。