Este projeto foi realizado para segmentar imagens para detecção de vegetação. Foi implementado funções de aumento de dados, divisão de imagens, treinamento de rede, binarização de imagens e inferência do modelo.

pip install -r requirements.txt

Essa função realiza o aumento de dados em imagens e máscaras para tarefas de segmentação de imagem. Ele aplica transformações de aumento, como rotação aleatória, espelhamento horizontal e vertical, e transposição, para gerar novas variações das imagens e suas respectivas máscaras.

python augmentation.py --rgb caminho/para/imagens_rgb --groundtruth caminho/para/mascaras

Script para binarizar imagens RGB, convertendo-as em imagens binárias em preto e branco.

python binarize_images.py --input caminho/para/imagens --output caminho/para/saida_binarizada

Script que divide uma imagem em chunks menores e os salva como arquivos separados.

python divide_orthomosaic.py --input caminho/para/imagens --output caminho/para/saida_chunks

Realiza o treinamento de um modelo de segmentação usando a rede UNet com backbone ResNet34.

python train_model.py --rgb caminho/das/imagens --groundtruth caminho/das/mascaras --modelpath caminho/do/modelo_gerado

Realiza a inferência de um modelo de segmentação em um conjunto de imagens RGB, utilizando um modelo previamente treinado (arquivo .h5), e salva as previsões resultantes.

python inference.py --rgb caminho/das/imagens --modelpath caminho/do/modelo --output caminho/de/saida