99-天枢遥感智能视觉平台_深度学习样本制作简介.pptx

天枢—遥感智能视觉平台样本库建设方案中科北纬（北京）科技有限公司汇报人：王立录样本简介遥感数据标注原则与方法天枢样本集构建要求基于常见测绘成果组建样本库CONTENTS01样本简介传统遥感的分类方法中例如：最大似然估计法、支持向量机方法等，在进行分类前也要进行样本的选择。深度学习的过程和传统的方法类似，但是样本的制作有所不同，可以反复使用。如何制作遥感影像的样本，要根据你的需求是地物分割、变化检测or目标识别，在天枢平台上，三个需求方向的样本格式相似，但标注规则和方法略有差异。变化检测地物分割目标识别运用语义分割、实例分割等技术，对遥感影像的每个像元赋予类别标签。自动检测出不同时间同一地理位置的两张遥感影像之间发生的地类变化。从遥感影像上确定出感兴趣目标的类别和位置。地物分割既要位置又要轮廓信息变化检测变化区域的位置和轮廓信息目标识别只要目标位置，不要目标轮廓02遥感数据标注原则与方法标注原则在深度学习神经网络模型的设计和训练中，样本的数量和标注质量对于模型的最终效果、训练过程的稳定程度、模型收敛的速度、模型的泛化性等指标有着至关重要的影响。样本数量越多、影像源越丰富，其模型精度就越高，模型泛化性就越好；而样本质量的把控主要坚持以下几点标注原则：原则1—规则先行根据业务场景需求，明确标注规则，保证规则统一可区分，即严格遵守遥感影像地类标注原则和经验，同一种类别标签在影像上的定义不可摸棱两可。遥感数据特殊情形季节性差异影像匀色不同偶然性变化原则2—所标即所见标注过程中，不要添加主观想象力和先验知识，只标注从视觉上看到确定是目标的部分。不要对有遮挡或只有一面无法确定的地物横加想象进行标注，更不可利用外业数据或其他影像来辅助判断。影像模糊高层建筑投影云雾天气原则3—标签完整性用作训练集的影像，如明确出现判定规则内的地物或变化地物，均需要标注出来，严格避免遗漏或错标情况。错标（小轿车）标注货车漏标（货车）××√原则4—最大最小标注框在框选目标区域时，要尽量大，大到能够包含目标区域的主要边界；要尽量小，小到除了目标区域边界以外，不包含其他无关区域。框与标注目标的边缘基本呈外接关系。冗余标注会对模型的特征提取、标注框回归等造成较大扰动，从而使模型的检测结果不精确。×√×√×标注方法2.人机协同作业1.纯人工标注1.如当前有模型，可先用天枢平台对预标注影像进行解译，得到一份矢量结果，人工在此基础上进行图斑轮廓的调整及查缺补漏，事半功倍。2.如当前无模型，可利用少量样本快速训练出一个模型，再重复上述操作，提高标注效率。利用Arcgis软件或者天枢平台，对预标注影像进行人工图斑勾绘。03样本集构建要求遥感数据几何空间特征复杂，类型繁多，在天枢平台中，遥感样本库的建设主要由两类数据构成：1.栅格数据（影像）2.矢量数据（标注）地物分割目标识别矢量属性要求备注格式Shapefile文件至少包含shp、shx、prj、cpg、dbf等文件坐标系CGCS2000、WGS84、Xian80、BJ54与影像坐标系保持一致字段数不限最少包含一个附有地类的字段，字段内容即标签，不能空字段内容不限支持中英文格式内容影像属性要求备注上传单位单张\批量格式.tif/.img要具备坐标信息坐标系CGCS2000、WGS84、Xian80、BJ54支持地理坐标系和投影坐标系分辨率不限根据业务场景需求，建议选择区间范围在0.1m-2m位宽卫星及无人机影像：8或16bits多/高光谱影像：不限波段数卫星及无人机影像：3或4波段多/高光谱影像：不限文件大小不限依据电脑内存而定匀色/渲染不限符合常规DOM生产流程，色彩不失真变化检测矢量属性要求备注格式Shapefile文件至少包含shp、shx、prj、cpg、dbf等文件坐标系CGCS2000、WGS84、Xian80、BJ54与影像坐标系保持一致字段数不限最少包含两个附有地类的字段，两者不能空和相互重复字段内容不限支持中英文格式内容影像属性要求备注上传单位不同时间同一地理位置的两张影像重叠度不小于10%格式.tif/.img要具备坐标信息坐标系CGCS2000、WGS84、Xian80、BJ54支持地理坐标系和投影坐标系分辨率不限根据业务场景需求，建议选择区间范围在0.1m-2m位宽卫星及无人机影像：8或16bits多/高光谱影像：不限波段数卫星及无人机影像：3或4波段多/高光谱影像：不限文件大小不限依据电脑内存而定匀色/渲染不限符合常规DOM生产流程，色彩不失真04基于常见测绘成果组建样本库国情数据库1234数据梳理数据规格统一规则确立图斑筛查图斑轮廓调优错误地类更正遗漏地类填补规范命名数据量统计影像类型划分数据离散度统计图斑覆盖度统计影像属性统一(坐标系、分辨率、波段数、位宽)矢量拓扑检查(无