從二維圖像預測地形高度

Question

我想用相應的像素高度地形信息訓練二維圖像。 我有一堆從地形中獲取的二維圖像，其中每個像素的高度也是已知的。 有什么方法可以使用深度學習來訓練具有高度像素信息的圖像？

我已經嘗試從圖像和像素高度中推斷出一些特征，並通過回歸方法（例如 SVM）將它們關聯起來，但是對於預測新的圖像像素高度特征，我還沒有得到令人滿意的結果。

Answer 1

如何使用像素高度值作為標簽，並將圖像（我假設為 RGB，所以 3 個通道）作為訓練集。 然后你就可以運行監督學習了。 雖然我不確定如何僅通過查看圖像來恢復高度，但即使是人類在看到許多圖像后也很難做到這一點。 我認為你需要某種參考點。

要將圖像轉換為 3D 值數組（第 3 維是顏色通道）：

from keras.preprocessing import image

# loads RGB image as PIL.Image.Image type
img = image.load_img(img_file_path, target_size=(120, 120))
# convert PIL.Image.Image type to 3D tensor with shape (120, 120, 3)
x = image.img_to_array(img)

還有許多其他方法： 在 python 中將圖像轉換為二維數組

在為圖像分配標簽方面（這里的標簽是像素高度），就像創建訓練集x_train (nb_images, 120, 120, 3) 和標簽y_train (nb_images, 120, 120, 1) 並運行一樣簡單對這些進行監督學習，直到對於x_train的每個圖像，模型可以在特定誤差范圍內預測高度集y_train中的每個相應值。