semantic segmentation,DeepLab,U-Net,SCSENet,BAM,HRNet,DenseASPP,Res-UNet,Remote sensing,tensorflow2
遥感影像建筑物检测任务
目的：简化工作人员的建筑物轮廓目视解析任务
方法：使用卷积神经网络，在WHU建筑物数据集上进行训练，后使用自己的数据做迁移学习，
通过对5个模型预测结果的融合，得到最终的检测结果。
提供了两种预测方法：
1、在本地执行predict.py，对输入影像做建筑物检测
2、使用flask，把检测代码封装成API，给外部提供访问接口，请求方式为POST
1、CLient : 存放的是远程访问的客户端；
2、predict_model : 5个检测模块
3、receive_file : 存放每个客户端传来的数据(影像)
4、train_model : 5个神金网络模型
5、buildAPI.py : 提供外部访问的接口
6、edge_3.py : 轮廓优化代码
7、model_fuse.py : 模型融合代码
8、predict.py : 整理后的预测代码
9、data_enhancement.py ： 数据增强模块+划分训练集与验证集
方法一：在服务端运行buildAPI.py,客户端将影像以二进制传入，
以JSON形式返回，结果为base64格式的检测结果图，以及优化后的轮廓点
方法二：运行 8、predict.py，提前修改好待检测影像路径
长沙理工大学1103实验室