源码链接：
GitHub - justchenhao/BIT_CD: Official Pytorch Implementation of "Remote Sensing Image Change Detection with Transformers"Official Pytorch Implementation of "Remote Sensing Image Change Detection with Transformers" - GitHub - justchenhao/BIT_CD: Official Pytorch Implementation of "Remote Sensing Image Change Detection with Transformers"https://github.com/justchenhao/BIT_CD这个复现很简单，模型效果在公共数据集还不错，下面简单说下我测试的过程
1.数据说明
数据下载链接：
LEVIR-CD | LEVIR-CD is a new large-scale remote sensing binary change detection dataset, which would help develop novel deep learning-based algorithms for remote sensing image change detection.LEVIR-CD is a new large-scale remote sensing binary change detection dataset, which would help develop novel deep learning-based algorithms for remote sensing image change detection.https://justchenhao.github.io/LEVIR/里面有百度网盘的链接，下载出问题可以去我上一篇变化检测的复现，里面有下载的较详细说明。
2.数据结构
A里面放了第一期影像的训练、验证、测试数据，B里面放了 第二期影像的训练、验证、测试数据，label里面是标签，list 里面放了train.txt、val.txt、test.txt
上面的结构意思就是所有数据放一起，通过写txt来控制训练、验证、预测图像
3.训练
说明：
1.gpu_ids GPU id ,一个显卡就默认是0
2.project_name 项目名称，每次跑整个不一样的名字，整个名字后面预测的时候要对应起来
3.checkpoint_root 路径，放置模型，训练过程记录，最终的eval结构
4.num_workers ， 加载数据的线程可以在utils.py中加载数据的地方看到
5.dataset, 数据集名字，这个目前只有一个，可以自己加新的
6.data_name 这个参数在项目里有点绕，这个默认得不要改就行，先看utils.py就发现，这个参数关系到训练数据的路径，接着看data_config.py文件发现，训练集的根目录要自己给出
7.batch_size 默认
8.split, split_val 这两个默认就行
9.img_size 图像会被resize
10.类别默认
后面的参数就不说了，应该都认识
改完上面的参数就可以直接训练了
4.预测
预测用demo.py这个文件，文件的逻辑和训练的逻辑一致，参数基本都要和训练保持一致，那个output_folder可以换成存放结果的地方
用来验证效果的测试数据放在了quik_start控制的路径下，数据结构和训练数据结构是一样的。
注意这个训练完预测的demo是需要加标签的，因为源码默认的读图函数要求输入。
训练效果文章来源：https://www.toymoban.com/news/detail-782524.html
文章来源地址https://www.toymoban.com/news/detail-782524.html
到了这里，关于Github复现-测试基于transformer的变化检测模型BIT_CD的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
