调研报告之遥感影像识别

标签：无分类：未分类创建时间：2023-03-17 12:15:31 更新时间：2023-10-20 11:23:28

前言

这里主要讲解的就是遥感影像的识别。 WangZhenqing-RS /Unet_RSimage_Multi-band_Multi-class Public 这是多波段的遥感影像识别代码，包括了一系列的教程,包括环境搭建、语义分割、影像裁剪、数据增强等操作。

参考文章:
1.keras遥感图像Unet语义分割(支持多波段&多类) 从环境搭建到制作标签、裁剪学习样本到数据增强，一气呵成。
2.语义分割网络 U-Net 详解
3.遥感图像识别（标注）软件实现
4.使用QGIS提取天地图遥感影像中的建筑物轮廓，及AI方案 1.ArcGIS Pro;2.超图 iDesktopX;3.MapBox Robsat;4.MapGIS的辅助矢量化工具;5.商汤科技的sceneEarth;6.武汉大学的珞珈框架;7.阿里达摩院 AI Earth。
5.基于PyTorch深度学习遥感影像地物分类与目标检测、分割及遥感影像问题深度学习优化

1.AI Earth

AI Earth 基于达摩院在深度学习、计算机视觉、地理空间分析等方向上的技术积累，结合阿里云强大算力支撑，提供多源遥感对地观测数据的云计算分析服务，用数据感知地球世界，让AI助力科学研究。AI Earth主要分为三大核心功能：目标提取、地物分类、变化检测，值得一提的是在遥感影像智能解译方面涵盖了众多类型，包含了建筑物提取、水体识别、路网提取、大棚提取、飞机提取、舰船提取、运动场提取、地块提取。基于海量公开遥感数据，使用notebook进行在线项目开发，项目数据在开发者模式与工具箱模式中可无缝切换，详见参考案例和API文档。

标注类型分为以下六类：
目标检测：支持设定单标签/多标签，通过旋转矩形框框选目标进行标注，适用于目标检测算法训练。
实例分割：支持设定单标签/多标签，通过多边形沿目标边缘进行标注，对地物进行属性分类标注，相同标签属性的地物目标区分每个个例，适用于实例分割算法训练。
地物识别（原目标提取）：只包含一个标签，适用于单地物识别的语义分割算法训练。
地物分类：支持设定单标签/多标签，对地物进行属性分类标注，适用于语义分割算法训练。
通用变化检测：通过单标签对变化区域进行标注，适用于语义分割算法训练。
多分变化检测：通过多标签对变化区域进行分类标注，适用于语义分割算法训练。

参考文章:
1.从看图识义到精确提取 -浅谈深度学习在光学遥感图像解译中的应用
2.遥感AI？！来体验阿里巴巴达摩院的AI Earth
3.AI Earth 地球科学云平台——用数据感知地球世界（含福利）截至3月31日，现在注册可以每个月享受10个小时的免费解译，大家抓紧时间注册

2.TensorFlow

使用TensorFlow进行遥感图像识别和分类，那就要自己手动写代码了。

参考文章:
1.基于TensorFlow平台的影像地物识别技术应用
2.遥感影像分类基本流程这里只有一个流程图，还有一些说明
3. Semantic-segmentation-of-remote-sensing-images
4.遥感影像识别-CNN（tensorflow)
5.遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）技术应用

3.Robosat

robosat 这是mapbox开源的影像识别代码，但是已经是三年前的仓库了，不再继续的更新了，类似的还有 robosat.pink robosat_geoc

参考文章：
1.robosat调试系统准备工作、数据准备工作、训练和建模、从新数据中预测、在3.1节中划分的测试集下预测

4.mapflow

参考文章:
1.qgis自动获取建筑和道路矢量

5.商汤科技的sceneEarth

sceneEarth 一键式遥感影像智能解译,全方位解锁空间地理信息。提供了一个现成的解译网站，可以上传自己的影像，然后直接选择需要解义的类型，支持：变化监测、水体、植被和建筑物检测，选中需要的范围，然后一键解译就可以识别出需要的建筑物。

我尝试了用他们提供的图像，绘制一个范围，选择建筑物解译，效果还是不错的。

6.武汉大学的珞珈框架

WHULuoJiaTeam / luojianet 遥感专用机器学习框架LuoJiaNET,由武汉大学LuoJiaNET框架团队与华为MindSpore框架研究小组联合打造而成，是遥感领域首个国产化自主可控的遥感专用机器学习框架，针对遥感数据像幅尺寸大、数据通道多、尺度变化大等特性，具备内存可扩展、尺度通道灵活创建、数据通道自主优选、框架与数据协同处理的特点。可兼容已有深度学习框架，并提供用户友好的、可拖拽的交互式网络结构搭建界面的方法。能屏蔽不同硬件设备间差异，同时管理多样化的遥感影像样本库LuoJiaSET，实现遥多源感影像样本的高效存储管理。

参考文章:
1.全球首个遥感影像智能解译专用深度学习框架上线华为昇思社区武汉大学的新闻，有 LuoJiaSET服务平台、源代码地址。

7.segment-geospatial

segment-geospatial A Python package for segmenting geospatial data with the Segment Anything Model (SAM) 。用于使用 Segment Anything Model (SAM) 分割地理空间数据的 Python 包。

参考文章：
1.SAM-Adaptor

8.论文和网站资源

参考文章:
1.遥感影像智能解译样本库现状与研究
2. 基于卷积神经网络的遥感图像分类研究
3.高分辨率遥感影像信息提取与目标识别技术研究

9.数据集

参考文章:
1.遥感影像语义分割数据集

往期推荐

文章目录

1. 前言

微信公众号

广告位

诚心邀请广大金主爸爸洽谈合作

每日一省

isNaN 和 Number.isNaN 函数的区别？

1.函数 isNaN 接收参数后，会尝试将这个参数转换为数值，任何不能被转换为数值的的值都会返回 true，因此非数字值传入也会返回 true ，会影响 NaN 的判断。

2.函数 Number.isNaN 会首先判断传入参数是否为数字，如果是数字再继续判断是否为 NaN ，不会进行数据类型的转换，这种方法对于 NaN 的判断更为准确。

每日二省

为什么0.1+0.2 ! == 0.3，如何让其相等?

一个直接的解决方法就是设置一个误差范围，通常称为“机器精度”。对JavaScript来说，这个值通常为2-52，在ES6中，提供了Number.EPSILON属性，而它的值就是2-52，只要判断0.1+0.2-0.3是否小于Number.EPSILON，如果小于，就可以判断为0.1+0.2 ===0.3。

每日三省

== 操作符的强制类型转换规则？

1.首先会判断两者类型是否**相同，**相同的话就比较两者的大小。

2.类型不相同的话，就会进行类型转换。

3.会先判断是否在对比 null 和 undefined，是的话就会返回 true。

4.判断两者类型是否为 string 和 number，是的话就会将字符串转换为 number。

5.判断其中一方是否为 boolean，是的话就会把 boolean 转为 number 再进行判断。

6.判断其中一方是否为 object 且另一方为 string、number 或者 symbol，是的话就会把 object 转为原始类型再进行判断。

每日英语

Happiness is time precipitation, smile is the lonely sad.

幸福是年华的沉淀，微笑是寂寞的悲伤。