目标检测

目标检测的目的是基于神经网络模型，对遥感图像中多个目标物的类别和位置进行自动化判定与识别，并以矢量矩形框的形式把目标物标记出来，用于后期的空间统计及分析。目标检测与传统方法相比，有着速度快、准确率较高等特点，通常用来快速确定影像中不同类别目标的数量和位置等空间信息。

功能入口 ： 工具箱 -> 机器学习 -> 影像分析 -> 目标检测 工具。
数据源/数据集 ：选择需要进行目标检测的影像或栅格数据。
模型文件 ：选择一个目标检测的模型文件（*.sdm）。
概率阈值 ：对每一个检测出来的对象，系统都会为其计算出符合目标特征的概率，最后检测结果仅保留预测概率高于该值的目标，默认值为 0.5。
其他参数设置 ：勾选该复选框即可设置以下去重阈值参数。
去重阈值 ：系统对一张图片里的检测对象生成多个候选框，并分别给出概率值，带入 NMS 算法后得到最优框，根据交并比(IoU)去除与最优框重叠部分大于去重阈值的候选框。去重阈值一般为 0.3~0.7，默认值为 0.3。
结果数据 ：即图像中目标物的标识面数据集，设置结果数据集所保存的数据源和保存名称。
运行：单击对话框中的运行按钮，即可执行目标检测操作，此时，Python 窗口会显示功能执行的进度信息。

下图为某区域的大棚目标检测结果，黄色框为检测出来的大棚，可以快速准确定位大棚分布、位置及数量，为大棚管理、耕地管控等领域提供基本的数据支撑。