簡介面向遙感影像分析與深度學(xué)習(xí)入門者的智能分析工具包基于YOLO目標檢測算法集成了模型推理、部署配置與說明文檔可用于地表覆蓋分類、目標檢測、變化監(jiān)測等場景也適合畢業(yè)設(shè)計、課程設(shè)計或機器學(xué)習(xí)實戰(zhàn)訓(xùn)練。壓縮包共26個文件以jpg/png影像及標注結(jié)果、md說明文檔、模型權(quán)重model__與__params為主另含infer.py推理腳本、deploy.yaml部署配置及requirements.txt依賴清單總大小94.97MB。已有51人學(xué)習(xí)下載。工具內(nèi)含README.md詳細說明、freeze_model模型凍結(jié)腳本、docs文檔目錄以及PaddleSeg推理基準測試與TensorRT編譯指南既能快速上手推理流程也能根據(jù)需求進行二次開發(fā)。對初學(xué)者而言借助該工具可完整走通遙感影像從輸入到智能分析的流程理解YOLO在目標檢測任務(wù)中的回歸思想同時為模型部署和性能優(yōu)化提供參考。1. 遙感影像智能分析難點不在模型而在管線遙感影像智能分析這幾年幾乎被深度學(xué)習(xí)重寫了一遍從建筑物提取到道路分割再到農(nóng)田地塊識別公開模型在基準數(shù)據(jù)集上一個賽一個漂亮。真正讓工程團隊卡住的是管線一個基于深度學(xué)習(xí)的遙感影像智能分析工具面對的往往是一幅幾百 MB 甚至幾個 GB 的 GeoTIFF多波段、16 bit、帶著地理參考直接扔進用三通道 JPEG 訓(xùn)練的模型里第一行代碼就會報錯。這個工具包要解決的就是這條從原始柵格到預(yù)測矢量圖的完整鏈路而不是重新發(fā)明一個網(wǎng)絡(luò)結(jié)構(gòu)。適合剛接觸遙感加深度學(xué)習(xí)組合的算法工程師、GIS 開發(fā)者和研究生把數(shù)據(jù)讀取、預(yù)處理、推理、后處理四段重復(fù)勞動串成一條可復(fù)制的流水線。下面按這條流水線逐層拆開講再落到最小可運行命令和參數(shù)調(diào)優(yōu)上最后給一條省標注的進階路徑。2. 拆開工具包從原始 TIF 到預(yù)測矢量圖的四個功能層拿到名為“基于深度學(xué)習(xí)的遙感影像智能分析工具.zip”這類壓縮包解壓后第一件事不是找可執(zhí)行文件而是判斷它的功能邊界。常見做法是把整條鏈路拆成四層數(shù)據(jù)讀取、預(yù)處理、模型推理、后處理導(dǎo)出。每一層職責(zé)單一層間只傳 numpy 數(shù)組和配置字典這樣你換傳感器、換模型、換輸出格式都不必把流程推倒重來。先確認壓縮包本身完整。命令行解壓時遇到invalid zip archive: could not find eocd這類報錯多數(shù)是下載中斷導(dǎo)致壓縮包尾部缺失重新下載一次通常比折騰修復(fù)工具更快。解壓后看目錄結(jié)構(gòu)如果包含data_loader、preprocess、model、postprocess之類的分包目錄基本就是上面的分層設(shè)計若沒有按這個思路重新組織一遍也行后面所有參數(shù)調(diào)整才有落點。2.1 數(shù)據(jù)讀取層?xùn)鸥癫皇且粡埰胀ㄕ掌b感影像讀取和普通圖片讀取完全不同。普通圖片解碼后是 HWC 順序的 uint8 數(shù)組遙感影像則是一個帶地理坐標的多波段數(shù)組。波段順序可能是 RGB也可能是 BGR、RGBNIR多光譜甚至十幾個波段dtype 常見 uint16寬高動輒幾萬乘幾萬像素。拿 PIL 的open去打開 GeoTIFF多半讀不全波段或者直接解碼失敗。import rasterio with rasterio.open(scene.tif) as src: img src.read() # (C, H, W)第 0 維是波段 profile src.profile # transform, crs, height, width, count, dtype bounds src.bounds print(波段數(shù):, img.shape[0], 尺寸:, img.shape[2], x, img.shape[1]) print(CRS:, profile[crs], 仿射變換:, profile[transform])這段代碼的邏輯很直接read()一次讀入全部波段profile保存寫出結(jié)果時必需的地理參考。注意read()返回的順序是 (C, H, W)和 PyTorch 輸入一致但與 OpenCV 習(xí)慣的 HWC 順序不同轉(zhuǎn)換時別把維數(shù)順序?qū)懛?。uint16 影像轉(zhuǎn) float32 后內(nèi)存直接翻倍處理超大影像前先估算一下16 bit 的單波段兩萬乘兩萬影像轉(zhuǎn)成 float32 就要占約 1.6 GB。拿到影像后第一件事不是寫模型而是確認波段順序和坐標系。很多坑都出在這一步有的影像文件頭標著 RGB實際波段順序是 BGR有的 transform 是舊版本記錄問題投影到 WGS84 會有整像素偏移。把profile和bounds打印存檔是這條流水線成本最低的第一個好習(xí)慣。2.2 預(yù)處理層切片、歸一化和內(nèi)存規(guī)劃預(yù)處理層解決三件事把不同來源的影像統(tǒng)一到相近的數(shù)值范圍把超大影像切成模型能吃下的 patch給每個 patch 帶上在原圖的位置方便推理后拼回整幅。這里最容易忽視的是內(nèi)存規(guī)劃滑窗看起來簡單實際一次性把幾千個 patch 都放進列表內(nèi)存會先被吃光。def sliding_window(img, tile_size512, overlap64): h, w img.shape[1], img.shape[2] step tile_size - overlap patches [] for y in range(0, h - tile_size 1, step): for x in range(0, w - tile_size 1, step): patches.append((y, x, img[:, y:ytile_size, x:xtile_size])) return patches tiles sliding_window(img) print(切片數(shù)量:, len(tiles), 每塊:, tiles[0][2].shape)滑窗函數(shù)是全流程里最值得反復(fù)調(diào)的一塊。tile_size由模型輸入尺寸和顯存共同決定常見值 256、512、1024遙感分割模型大多在 512 附近表現(xiàn)最穩(wěn)。overlap用于抵消邊緣預(yù)測誤差一般取 tile_size 的四分之一到八分之一64 或 128 是安全區(qū)間。overlap 太小拼接縫明顯太大推理時間幾乎翻倍。歸一化要單獨強調(diào)。遙感影像的直方圖差異極大同一片地在不同季節(jié)、不同傳感器下 DN 值可以差好幾倍。常見做法是用訓(xùn)練時統(tǒng)計的均值方差做標準化而不是簡單除以 255。如果訓(xùn)練數(shù)據(jù)是 8 bit、推理影像是 16 bit要先做分位數(shù)截斷再縮放否則模型看到的數(shù)值分布和訓(xùn)練時完全不同預(yù)測結(jié)果就會一片黑或者一片灰。2.3 推理層框架選型和批量大小推理層的職責(zé)是拿切好的 patch 和訓(xùn)練好的權(quán)重輸出逐像素類別概率。選型上有講究直接用 PyTorch 原生權(quán)重推理最省事但上生產(chǎn)環(huán)境更多人會先導(dǎo)出 ONNX 再切換到推理引擎因為 ONNX 對動態(tài)尺寸和 CPU 指令集的適配更好部署時不依賴完整訓(xùn)練框架。工具包里如果同時給了.pth和.onnx優(yōu)先用 ONNX 做批量推理常見情況下能快兩到三成。import onnxruntime as ort import numpy as np tile_size 512 session ort.InferenceSession(model.onnx, providers[CPUExecutionProvider]) input_name session.get_inputs()[0].name pred_mask np.zeros((len(tiles), tile_size, tile_size), dtypenp.uint8) for i, (y, x, patch) in enumerate(tiles): tensor patch[None, ...].astype(np.float32) # (1, C, H, W) probs session.run(None, {input_name: tensor})[0] # (1, num_classes, H, W) pred_mask[i] probs[0].argmax(axis0)這里的關(guān)鍵參數(shù)是providers。有 N 卡時把CPUExecutionProvider換成CUDAExecutionProvider并在正式預(yù)測前跑一次 warmup否則第一次推理會卡幾秒。顯存足夠時一次喂 4 到 8 個 patch比外層循環(huán)逐張推理效率高不少CPU 上也可以靠 numpy 批量計算稍微壓榨吞吐。逐 patch 單次session.run是最慢的寫法能避免就避免。還要注意類別數(shù)量。二分類模型輸出 1 通道、走 sigmoid多分類模型輸出num_classes通道。如果影像里明明有水、植、建筑、道路四類但模型只輸出三類通常不是推理代碼的問題而是權(quán)重文件的類別數(shù)和訓(xùn)練標簽不一致。這種不一致不會報錯只會靜靜地少一類。2.4 輸出層把掩膜寫回帶坐標的 TIF推理得到的是大量 patch 的類別索引下一步要拼回整幅影像并帶上原圖的地理參考寫出去。沒有坐標的預(yù)測結(jié)果對 GIS 同事來說等于白做。拼回時要處理 overlap 區(qū)域直接一塊蓋一塊會產(chǎn)生接縫常見做法是累計求和后除以重疊權(quán)重。full_mask np.zeros((img.shape[1], img.shape[2]), dtypenp.float32) weight np.zeros((img.shape[1], img.shape[2]), dtypenp.float32) for i, (y, x, patch) in enumerate(tiles): full_mask[y:ypatch.shape[1], x:xpatch.shape[2]] pred_mask[i] weight[y:ypatch.shape[1], x:xpatch.shape[2]] 1 full_mask full_mask / np.maximum(weight, 1) out_meta profile.copy() out_meta.update(dtypeuint8, count1, compresslzw) with rasterio.open(pred_mask.tif, w, **out_meta) as dst: dst.write(full_mask.astype(np.uint8), 1)寫回有兩個高頻錯點。一是out_meta必須在打開原圖時保存寫入時只改 dtype 和 counttransform 與 crs 保持原樣否則在 QGIS 里疊不到原圖上。二是壓縮算法類別索引圖重復(fù)值多用 LZW 往往能把幾百 MB 壓到幾十 MB。如果還需要矢量輸出先用 GDAL 的 polygonize 轉(zhuǎn)矢量再做邊緣簡化這一步在避坑章節(jié)里單說。3. 跑通最小用例用公開數(shù)據(jù)做一次建筑物提取目標定為一小時跑出第一張預(yù)測圖。環(huán)境用常見 CPU 方案數(shù)據(jù)用一張公開高分影像模型用現(xiàn)成的語義分割權(quán)重。以建筑物提取為例因為公開數(shù)據(jù)多、驗證直觀流程推通后換成農(nóng)田地塊識別只是換權(quán)重和類別數(shù)的事。下面分環(huán)境、推理、驗證三步。3.1 環(huán)境準備深度學(xué)習(xí)環(huán)境配置的幾個注意點建議配置Python 3.9 PyTorch CPU 版 rasterio onnxruntime。GPU 不是必需有 N 卡就把 torch 換成 CUDA 版推理時間能縮小一個數(shù)量級。嚴格做環(huán)境管理用 conda別給系統(tǒng) Python 添亂。想補理論基礎(chǔ)的翻翻“動手學(xué)深度學(xué)習(xí)”里環(huán)境配置和圖像分類那幾章對照著改成遙感場景完全夠用。conda create -n rs_ai python3.9 -y conda activate rs_ai pip install torch --index-url https://download.pytorch.org/whl/cpu pip install rasterio onnxruntime opencv-python-headless numpy--index-url指定 CPU 版 torch文件小、不依賴 CUDA 驅(qū)動opencv-python-headless是無 GUI 依賴的服務(wù)器版遙感批量推理不需要彈窗預(yù)覽用它比opencv-python干凈。內(nèi)網(wǎng)離線環(huán)境就用pip download拉到本地后再內(nèi)網(wǎng)安裝比在目標機上源碼編譯省太多時間。有云 GPU 平臺的話把 conda 環(huán)境打包傳上去省掉重復(fù)裝依賴的半個鐘。3.2 最小推理腳本切片、逐塊預(yù)測、拼接寫盤把上一章的四段邏輯串成完整腳本。數(shù)據(jù)用公開高分影像權(quán)重換成你手里在建筑物數(shù)據(jù)上訓(xùn)練好的 ONNX。暫時沒有權(quán)重就先用一個建筑/非建筑二分類權(quán)重把流程跑通再談精度。import rasterio import numpy as np import onnxruntime as ort TILE_SIZE 512 OVERLAP 64 MEAN np.array([0.485, 0.456, 0.406], dtypenp.float32) STD np.array([0.229, 0.224, 0.225], dtypenp.float32) with rasterio.open(scene.tif) as src: img src.read()[:3].astype(np.float32) # 只取 RGB 三個波段 profile src.profile img (img - MEAN[:, None, None]) / STD[:, None, None] sess ort.InferenceSession(building_seg.onnx, providers[CPUExecutionProvider]) step TILE_SIZE - OVERLAP h, w img.shape[1], img.shape[2] mask np.zeros((h, w), dtypenp.uint8) for y in range(0, h - TILE_SIZE 1, step): for x in range(0, w - TILE_SIZE 1, step): tile img[:, y:yTILE_SIZE, x:xTILE_SIZE][None, ...] pred sess.run(None, {sess.get_inputs()[0].name: tile})[0] mask[y:yTILE_SIZE, x:xTILE_SIZE] pred[0].argmax(axis0).astype(np.uint8) out_meta profile.copy() out_meta.update(dtypeuint8, count1, compresslzw) with rasterio.open(pred.tif, w, **out_meta) as dst: dst.write(mask, 1) print(輸出 pred.tif類別數(shù):, mask.max() 1)邏輯不復(fù)雜讀 RGB 三波段用訓(xùn)練集均值方差做標準化再滑窗逐塊預(yù)測每塊取 argmax 寫回對應(yīng)位置。兩個必須注意的參數(shù)是MEAN和STD要用所屬權(quán)重訓(xùn)練時統(tǒng)計的值不能隨手填 ImageNet 默認值否則預(yù)測結(jié)果整體偏移。TILE_SIZE應(yīng)該與模型輸入保持一致亂改會遭遇未經(jīng)驗證的尺寸變化邊緣預(yù)測明顯變糊。腳本里 overlap 只有 64重疊區(qū)寫回時按最后一個 patch 覆蓋所以拼接處會有輕度接縫這很正常下一章講怎么消。3.3 驗證結(jié)果別只看一眼要和人工標注對齊跑出pred.tif后先在 QGIS 里疊加到原圖上看邊界再抽一小塊區(qū)域和人工標注算 IOU。肉眼判斷在建筑物這種輪廓清晰的類別上會騙人模型邊緣略圓潤時只覺得“差不多”定量一算可能才 0.6。gdal_translate -srcwin 1000 1000 1000 1000 pred.tif pred_sample.tifgdal_translate的-srcwin按像素取子集適合快速抽樣參數(shù)依次是左上角行列號、窗口寬高。驗證時注意預(yù)訓(xùn)練權(quán)重在它自己的數(shù)據(jù)集上 IOU 常超 0.8換到新影像掉到 0.5 以下很常見。先檢查影像的 GSD 是否與訓(xùn)練數(shù)據(jù)匹配再檢查歸一化參數(shù)有沒有傳對最后才懷疑模型本身。4. 參數(shù)調(diào)整影響結(jié)果精度的五個關(guān)鍵旋鈕模型結(jié)構(gòu)定了之后真正決定落地效果的是下面幾個參數(shù)。它們不改變網(wǎng)絡(luò)層數(shù)卻經(jīng)常能讓誤檢率掉一半。按影響從大到小排逐個講清楚為什么有效、怎么調(diào)。4.1 切片尺寸與重疊度顯存和拼接縫的平衡tile_size決定模型感受野大小。512 是大多數(shù)遙感分割模型的甜點值256 對小目標敏感但上下文不足細長道路容易斷1024 需要至少 8 GB 顯存CPU 推理慢得讓人失去耐心。選型時先看權(quán)重訓(xùn)練時用的 patch 尺寸訓(xùn)練 512 推理也 512別為了保邊緣改成 1024。overlap至少要覆蓋模型感受野的一半64 到 128 像素是安全區(qū)。切換數(shù)據(jù)集時這套參數(shù)要和訓(xùn)練設(shè)置保持一致否則模型看到的上下文分布變了邊界類會亂跳。4.2 歸一化方式線性拉伸還是均值方差標準化遙感影像直方圖差異大同一區(qū)域夏季和冬季的亮度能差數(shù)倍。線性拉伸適合目視解譯把 2% 到 98% 分位數(shù)映射到 0 到 255而基于均值方差的標準化才是給神經(jīng)網(wǎng)絡(luò)用的標準做法因為訓(xùn)練數(shù)據(jù)正是在同一分布上統(tǒng)計的。16 bit 影像有個很常見的坑直接除以 65535 通常會整體偏暗因為像素都堆在低值端。正確做法是先用 1% 到 99% 分位數(shù)截斷再做標準化等于先抑掉椒鹽噪聲和高光飽和。4.3 推理閾值二分類和多分類的調(diào)法不一樣二分類模型的概率閾值默認 0.5但在建筑物提取、道路提取場景0.45 和 0.55 的結(jié)果差異可能很大。閾值調(diào)低找回細碎目標但虛警變多調(diào)高邊緣更干凈但漏檢更多。別拍腦袋定閾值在驗證集上從 0.3 到 0.6 掃一遍畫 IOU 曲線選最高點。多分類模型用 argmax 取類別沒有閾值問題但可以加最小置信度過濾例如概率低于 0.7 的像素置為背景。代價是陰影遮擋的真實目標可能被濾掉適合背景不重要的場景。4.4 形態(tài)學(xué)后處理先補空洞再按連通域過濾預(yù)測掩膜里最典型的噪聲是小碎塊和內(nèi)部空洞。閉運算能填掉建筑內(nèi)部漏檢的小洞按連通域面積過濾能刪掉道路旁零星噪聲。順序必須先把空洞補上再做面積過濾否則面積統(tǒng)計不穩(wěn)定。import cv2 import numpy as np mask (mask 0).astype(np.uint8) kernel cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) num, labels, stats, _ cv2.connectedComponentsWithStats(mask) area_thresh 20 keep np.where(stats[:, 4] area_thresh)[0] mask np.isin(labels, keep).astype(np.uint8)MORPH_CLOSE是用 5×5 結(jié)構(gòu)元先膨脹后腐蝕把細小孔洞填平connectedComponentsWithStats統(tǒng)計每個連通域面積小于area_thresh的置 0。核心參數(shù)是area_thresh它由影像地面分辨率決定0.5 米分辨率影像上一棟一百平米的房子約 400 像素2 米分辨率只有 25 像素按實際 GSD 換算別固定給 20。4.5 類別不均衡先看占比再決定改損失還是改采樣遙感影像類別天然不均衡水體、植被占地多房子、道路占地少。用交叉熵訓(xùn)練時小類別的梯度被大類淹沒結(jié)果就是小目標類別輸出近乎全黑。判斷方法是數(shù)標簽文件里各類別像素占比相差兩個數(shù)量級基本就是這個原因。解決辦法是過采樣加損失函數(shù)調(diào)整兩者一起用比只調(diào)一樣有效。比如滑窗時強制讓小類別像素出現(xiàn)在一定比例的窗口里訓(xùn)練損失換成帶 focal loss 的變體難樣本貢獻更大梯度。這個參數(shù)藏在訓(xùn)練腳本里不屬推理配置但它決定了你推理閾值怎么調(diào)。5. 遙感影像深度學(xué)習(xí)避坑實錄5 個必須排查的翻車場景把前面幾章放到真實項目里下面的坑幾乎人人都踩過。按現(xiàn)象、原因、解決三段寫照順序排查比盲目調(diào)參快。5.1 現(xiàn)象預(yù)測結(jié)果是一塊塊馬賽克每塊中央準、邊緣錯原因滑窗推理時 overlap 太小邊緣預(yù)測被直接丟棄最后拼接又沒有做融合。模型在 patch 邊緣的表現(xiàn)天生比中央差這是卷積填充造成的邊界效應(yīng)不是過擬合?，F(xiàn)象最典型的特點就是每塊中央輪廓清晰靠近塊邊界的線狀目標連續(xù)斷開。解決overlap 提高到 tile_size 的四分之一并在拼接時做加權(quán)平均讓每塊中央的預(yù)測權(quán)重高于邊緣。簡單實現(xiàn)是保存一張距離權(quán)重圖中央為 1邊緣線性衰減到 0.2重疊區(qū)按權(quán)重混合。邊緣不整除時常見做法是補零預(yù)測再按真實長度裁回不要整塊丟棄否則窄條目標直接消失。5.2 現(xiàn)象水域被當成建筑物陰影里全是道路原因訓(xùn)練數(shù)據(jù)沒覆蓋這類光譜特征。水體在近紅外波段的表現(xiàn)和建筑物陰影在某些波段下很接近模型的決策邊界在訓(xùn)練數(shù)據(jù)分布內(nèi)是合理的一出分布就翻車。這是最典型的訓(xùn)練域偏移和玄學(xué)無關(guān)想清楚光譜分布就能定位。解決影像含近紅外波段時把它加入輸入通道模型可以用 NDVI 這類指數(shù)區(qū)分水體與植被減少誤分。把陰影單獨當一個類別也是常見做法后處理階段再按幾何特征過濾掉細長虛警。核心是給模型增加光譜維度的區(qū)分信息而不是簡單堆訓(xùn)練數(shù)據(jù)。5.3 現(xiàn)象幾 GB 影像在 CPU 推理時內(nèi)存爆炸原因代碼里src.read()一次讀掉整幅影像加上 float32 轉(zhuǎn)換和幾千個 patch 的列表內(nèi)存峰值能到原始文件的十倍。很多演示腳本默認你有 32 GB 內(nèi)存實際跑的時候才發(fā)現(xiàn)不夠。解決改成窗口按需讀取用 rasterio 的Window一次只讀一個 patch 需要的矩形patch 用完即丟。大圖也可以寫進np.memmap讓操作系統(tǒng)管換頁滑窗與讀取同步進行內(nèi)存能壓到 1 GB 以下。with rasterio.open(scene.tif) as src: for y in range(0, h - TILE_SIZE 1, step): for x in range(0, w - TILE_SIZE 1, step): window rasterio.windows.Window(x, y, TILE_SIZE, TILE_SIZE) tile src.read(windowwindow)[:3]注意Window參數(shù)順序是 x 在前、y 在后也就是先列后行容易和 numpy 里[y, x]的習(xí)慣搞混寫反了照樣能讀出數(shù)據(jù)只是位置完全錯位且不報錯。5.4 現(xiàn)象矢量化輸出的多邊形邊緣鋸齒明顯面積統(tǒng)計偏大原因預(yù)測掩膜逐像素邊界不平滑矢量化后自然鋸齒再摻進零碎噪聲點面積會被放大。GIS 里直接用這種矢量統(tǒng)計面積誤差能超過 10%。解決矢量化前先做一次中值濾波或形態(tài)學(xué)開閉運算再用 GDAL 的 Simplify 做頂點抽稀tolerance 取 1 到 3 個像素肉眼幾乎看不出損失文件體積小很多。統(tǒng)計面積時一定要轉(zhuǎn)投影坐標系再計算直接拿經(jīng)緯度算面積結(jié)果沒有參考價值。5.5 現(xiàn)象訓(xùn)練損失一直在降但驗證集的小目標類別全黑原因類別分布失衡損失被多數(shù)類主導(dǎo)模型學(xué)到了“全預(yù)測成背景損失也不高”這條捷徑。這是遙感標注數(shù)據(jù)里最常見的結(jié)構(gòu)性問題目標越細小越容易踩中。解決損失換成 Focal Loss 或 Lovász-Softmax讓模型更關(guān)注難樣本同時抽 patch 時提升包含小類別樣本的窗口比例相當于過采樣。兩件事一起做效果最好把道路類像素覆蓋的 patch 比例從自然分布的 10% 提到 30%小類別 IOU 往往能翻一倍。驗證時除了看整體 IOU還要分別看每個類別的 IOU整體分數(shù)會掩蓋小類別的災(zāi)難。6. 進階局部聚焦輔助標注把人工標注成本降下來推理流程穩(wěn)定后下一步通常是對新區(qū)域做標注和增量訓(xùn)練。這時人工逐像素畫邊界成本會迅速超過工具本身的價值。常見做法是局部聚焦輔助標注用已有模型先預(yù)測再讓標注員只修正低置信度區(qū)域而不是從頭畫起。流程如下。先用現(xiàn)有模型對新影像預(yù)測并生成掩膜再把掩膜轉(zhuǎn)成半透明疊加層疊加在原圖上。然后把影像和掩膜同時切成小窗口按模型置信度排序標注任務(wù)置信度高的窗口由軟件自動確認置信度低的碎塊、邊緣和誤檢區(qū)域才推給人工修正。每個標注任務(wù)只放大顯示一個目標及小范圍上下文人工框選或局部重畫即可。關(guān)鍵在設(shè)計低置信度窗口的篩選規(guī)則常見實現(xiàn)是統(tǒng)計每塊 patch 中低于概率閾值的像素占比超過 5% 就進入人工隊列。這套流程省下的時間相當可觀。一名熟練標注員一天精標 5 到 8 平方公里的建筑物用輔助標注在建成區(qū)這類模型表現(xiàn)好的場景能做到 20 到 30 平方公里高密度城中村這類模型常翻車的場景也能省下一半工作量。省下來的人力要投到困難樣本收集上也就是模型低置信度或預(yù)測錯誤的 patch這才是持續(xù)提升精度的增量來源。我的習(xí)慣是每輪輔助標注后統(tǒng)計人工修正比例。低于 10%說明模型在這個區(qū)域基本夠用可以擴大覆蓋范圍高于 40%先回頭看訓(xùn)練數(shù)據(jù)分布和歸一化參數(shù)把模型底子修好再繼續(xù)。這個比例就是判斷值不值得繼續(xù)投入的標尺。把帶坐標的輔助標注樣本喂回訓(xùn)練集重訓(xùn)一輪再用新模型跑新一輪預(yù)測循環(huán)往復(fù)。我自己在遙感影像智能分析這個方向上的經(jīng)驗是真正卡住項目進度的很少是網(wǎng)絡(luò)結(jié)構(gòu)而是數(shù)據(jù)、歸一化參數(shù)和后處理流程這些細節(jié)。希望這條基于深度學(xué)習(xí)的遙感影像智能分析落地路徑能幫到你。本文還有配套的精品資源點擊獲取