基于深度学习的无人机洪水图像分割与水量估算
本项目专注于利用深度学习技术，从卫星或航空图像中检测受洪水影响的区域，并估算水域覆盖范围。系统整合了多种卷积神经网络架构，包括 LeNet、ResNet、VGG 和 U-Net，以执行图像分割和分类任务。
主要特点
- 图像分割：使用 U-Net 识别水体和洪水淹没区域。
- 模型对比：比较 LeNet、ResNet 和 VGG 模型的性能，评估洪水检测效果。
- 预训练集成：提供
model.h5预训练模型，支持快速推理。 - 交互界面：基于 Python（
ui1.py、ui2.py）构建交互式用户界面，便于可视化操作与测试。
生成的掩膜（generated_mask.png）可用于直观展示检测到的洪水区域。
技术栈
- 编程语言：Python
- 深度学习框架：Keras / TensorFlow
- 图像处理：OpenCV 及相关库
- 界面开发：Python GUI 组件
安装设置
使用以下命令安装依赖项：
pip install -r requirements.txt
