MambaCD 使用教程

MambaCD 使用教程

MambaCD [IEEE TGRS 2024] ChangeMamba: Remote Sensing Change Detection Based on Spatio-Temporal State Space Model 项目地址: https://gitcode.com/gh_mirrors/ma/MambaCD

1. 项目介绍

MambaCD 是一个用于遥感变化检测的开源项目，它包含了三种变化检测任务：二元变化检测（MambaBCD）、语义变化检测（MambaSCD）和建筑损伤评估（MambaBDA）。该项目基于空间时间状态空间模型，旨在为变化检测任务提供一个强大的基准。

2. 项目快速启动

环境搭建

首先，确保您的系统为 Linux 系统，因为该项目未在其他操作系统上进行测试。然后按照以下步骤搭建环境：

1. 克隆仓库：

   git clone https://github.com/ChenHongruixuan/MambaCD.git
   cd MambaCD
   

2. 设置 conda 环境：

   conda create -n changemamba
   conda activate changemamba
   

3. 安装依赖：

   pip install -r requirements.txt
   cd kernels/selective_scan && pip install .
   

   如果需要，还可以安装以下可选依赖：

   pip install mmengine==0.10.1 mmcv==2.1.0 opencv-python-headless ftfy regex
   pip install mmdet==3.3.0 mmsegmentation==1.2.2 mmpretrain==1.2.0
   

数据准备

根据您的任务类型，下载相应的数据集并按照以下结构组织：

• 二元变化检测：SYSU、LEVIR-CD+ 和 WHU-CD 数据集。
• 语义变化检测：SECOND 数据集，需要转换为单通道。
• 建筑损伤评估：xBD 数据集。

模型训练

进入 changedetection 文件夹，根据您的任务类型运行以下命令：

• 二元变化检测示例命令：

  python script/train_MambaBCD.py --dataset 'SYSU' --batch_size 16 --crop_size 256 --max_iters 320000 --model_type MambaBCD_Small --model_param_path '<project_path>/MambaCD/changedetection/saved_models' --train_dataset_path '<dataset_path>/SYSU/train' --train_data_list_path '<dataset_path>/SYSU/train_list.txt' --test_dataset_path '<dataset_path>/SYSU/test' --test_data_list_path '<dataset_path>/SYSU/test_list.txt' --cfg '<project_path>/MambaCD/changedetection/configs/vssm1/vssm_small_224.yaml' --pretrained_weight_path '<project_path>/MambaCD/pretrained_weight/vssm_small_0229_ckpt_epoch_222.pth'
  

• 语义变化检测示例命令：

  python script/train_MambaSCD.py --dataset 'SECOND' --batch_size 16 --crop_size 256 --max_iters 800000 --model MambaSCD_Small --train_dataset_path '<dataset_path>/SECOND/train' --train_data_list_path '<dataset_path>/SECOND/train_list.txt' --test_dataset_path '<dataset_path>/SECOND/test' --test_data_list_path '<dataset_path>/SECOND/test_list.txt' --cfg '<project_path>/MambaCD/changedetection/configs/vssm1/vssm_small_224.yaml'
  

3. 应用案例和最佳实践

• 在实际应用中，可以根据具体任务需求调整模型参数和训练策略。
• 使用预训练模型可以加速训练过程并提高模型性能。
• 通过数据增强方法可以提高模型的泛化能力。

4. 典型生态项目

• 可以将 MambaCD 集成到更大的遥感数据处理系统中，实现自动化的变化检测流程。
• 结合无人机遥感数据，可以用于灾害评估和环境保护等领域。
• 通过构建 Web 应用，可以将 MambaCD 的结果可视化，便于用户交互和分析。

MambaCD [IEEE TGRS 2024] ChangeMamba: Remote Sensing Change Detection Based on Spatio-Temporal State Space Model 项目地址: https://gitcode.com/gh_mirrors/ma/MambaCD