训练数据清洗是SuperMap iDesktopX 提供的一项高效管理、编辑和准备 AI 模型训练样本数据的功能模块。它旨在帮助用户对大规模影像训练数据集进行系统化地组织、分类、标注和修正，以提升数据质量，为后续的模型训练奠定坚实基础。

在遥感影像智能解译工作流中，高质量的训练数据是模型成功的关键。本功能通过可视化交互界面，将零散的训练数据（影像与对应的标签文件）整合为统一管理的工程，为您带来以下关键价值：

• 系统化管理：将海量训练数据按正负样本、修改状态等进行分类，结构化存储于工程中，便于浏览与追溯。
• 快速筛选与修正：通过快捷键对样本进行快速分类，并支持对标签进行可视化绘制编辑（如新增正样本区域、标记负样本区域），精准修正错误标注。
• 高效扩充与导出：便捷地添加新影像数据以扩充样本集，并可将处理完成的样本按类别导出为标准格式，无缝衔接后续的模型训练任务。

在以下场景中，您可能会用到训练数据清洗工程。

• 地物分类/二元分类模型训练前：对已有的初步标注结果进行人工复查与清洗，剔除错误样本，修正不精确的标签边界。
• 变化检测模型训练前：管理双时相影像对及其标签，确保变化区域标注的准确性。
• 持续迭代模型时：在模型产出新预测结果后，将其作为训练数据导入本工程，进行人工修正与确认，形成高质量的新增训练集。

在本小节中，我们将为您介绍训练数据清洗工程的全流程操作：

• 基础词汇：介绍功能涉及的核心概念与术语。

• 新建工程：介绍如何创建新工程。

• 打开工程：介绍如何加载已有工程。

• 训练数据管理：介绍如何添加新影像数据，以及导出已清洗的训练数据。
• 样本分类与标签编辑：介绍如何通过快速分类与可视化标注功能完成数据清洗。
• 样本标签风格设置：介绍如何自定义标签的显示样式，以获得更佳的可视化编辑体验。

SuperMap iDesktopX 2026 版本开始提供。