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