从二维图像预测地形高度

Question

我想用相应的像素高度地形信息训练二维图像。我有一堆从地形中获取的二维图像，其中每个像素的高度也是已知的。有什么方法可以使用深度学习来训练具有高度像素信息的图像？我已经尝试从图像和像素高度中推断出一些特征，并通过回归方法（例如 SVM）将它们关联起来，但是对于预测新的图像像素高度特征，我还没有得到令人满意的结果。

Answer 1

如何使用像素高度值作为标签，并将图像（我假设为 RGB，所以 3 个通道）作为训练集。然后你就可以运行监督学习了。虽然我不确定如何仅通过查看图像来恢复高度，但即使是人类在看到许多图像后也很难做到这一点。我认为你需要某种参考点。

要将图像转换为 3D 值数组（第 3 维是颜色通道）：

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)

在为图像分配标签方面（这里的标签是像素高度），就像创建训练集x_train(nb_images, 120, 120, 3) 和标签y_train(nb_images, 120, 120, 1) 并运行监督学习一样简单对这些直到对于x_train模型中的每个图像都可以y_train在一定误差范围内预测高度集中的每个对应值。