crimac/unet

海洋声学分类：基于CNN的回声测深仪数据监督语义分割

镜像概述

本镜像提供的工具旨在对回声测深仪数据中的声学反向散射进行分类，当前实现适配沙鳗调查场景。该工具由挪威计算中心与挪威海洋研究所联合开发，属于COGMAR和CRIMAC科研项目的一部分。

核心功能

1. 将声学反向散射数据预处理为机器学习友好格式
2. 基于卷积神经网络（CNN）进行语义分割模型的监督训练
3. 使用训练好的模型生成预测结果
4. 评估预测结果的质量并生成可视化指标

使用场景

• 海洋声学数据的物种分类（如沙鳗调查）
• 科研中回声测深仪数据的语义分割任务
• 海洋生态研究中的声学数据处理与分析

配置说明

前提条件

• 需创建setpyenv.json文件，配置数据路径等参数：

  json
  {
    "path_to_echograms": "/本地路径/echograms",
    "path_to_zarr_files": "/本地路径/zarr_files",
    "path_to_trained_model": "/本地路径/trained_model",
    "path_for_saving_preds_labels": "/本地路径/preds_labels",
    "path_for_saving_figs": "/本地路径/figs",
    "path_to_korona_data": "/本地路径/korona_data",
    "path_to_korona_transducer_depths": "/本地路径/korona_transducer_depths"
  }
  

• 需配置pipeline_config.yaml文件，设置数据模式（zarr/memm）、频率单位、预测分区等参数。

部署示例

拉取镜像

bash
docker pull crimac/unet

运行训练任务

bash
docker run -v $(pwd)/setpyenv.json:/app/setpyenv.json \
           -v $(pwd)/pipeline_config.yaml:/app/pipeline_config.yaml \
           -v $(pwd)/data:/app/data \
           crimac/unet python /app/pipeline_train_predict/train.py

运行预测任务

bash
docker run -v $(pwd)/setpyenv.json:/app/setpyenv.json \
           -v $(pwd)/pipeline_config.yaml:/app/pipeline_config.yaml \
           -v $(pwd)/data:/app/data \
           crimac/unet python /app/pipeline_train_predict/predict.py

运行评估任务

bash
docker run -v $(pwd)/setpyenv.json:/app/setpyenv.json \
           -v $(pwd)/pipeline_config.yaml:/app/pipeline_config.yaml \
           -v $(pwd)/data:/app/data \
           crimac/unet python /app/pipeline_train_predict/evaluate.py