二元分类
二元分类利用遥感图像中各类地物光谱信息和空间信息，通过深度学习算法对遥感图像中的某一类地物要素进行分类，并判定影像的像元是否为兴趣类别，并生成值为 0、1 的二值栅格数据，0 为非兴趣类别，1 为兴趣类别。
二元分类功能在像元级别细粒度解译影像，栅格结果灵活性较高，可以通过后一系列后处理步骤优化分类结果，可将结果的栅格数据转化成矢量数据，进行进一步的分析。
二元分类通常用来获得道路、河流和建筑物等特点明显的单一地类，可以通过像元计算兴趣类别的位置、边界和面积等信息。
主要参数
下图为某地区的建筑物二元分类结果，可以通过栅格统计等功能计算建筑物面积；针对图中相对离散的建筑物，还可将提取结果自动矢量化成建筑矢量面，从而得到每栋建筑的位置和矢量边界等信息。
- 功能入口：工具箱->机器学习->影像分析->二元分类工具。
- 文件类型：支持选择数据集或文件夹，可批量推理数据，提升推理效率，默认值为数据集。
- 数据源/数据集：文件类型选择数据集时填写该参数，选择需要进行分类的影像或镶嵌数据集。
- 文件路径：文件类型选择文件夹时填写该参数，选择需要进行分类的文件夹路径，会自动读取文件夹中*.tif、*.img 等格式的影像文件。
- 模型文件：选择二元分类的模型文件（*.sdm）。
- 瓦片重叠（像元）：默认值为0，可设置成切片大小的1/8--1/4，减少切片边缘数据预测不充分的问题。切片重叠像元越大，推理整张影像所需的时间越长。
- 单步运算量：推理时一次处理的图片数量，默认值为1。在合理范围内，单步运算的数量与内存（显存）占用成正比，与推理时间成反比。
- 处理器类型：可以使用计算机中央处理器 (CPU) 或图形处理单元 (GPU) 来处理数据。GPU具有较快的计算速度。
- GPU编号：可以指定用于处理数据的 GPU 标识号，默认值为 0。支持多卡推理。
- 其他参数设置：勾选该复选框即可设置范围数据集/数据源参数。
- 范围数据集/数据源：用于自定义范围推理，可根据输入的矢量数据集范围推理影像。
- 结果数据：即二元分类的结果栅格数据集，设置结果数据集保存的数据源和保存名称。
- 运行：单击对话框中的运行按钮，即可执行二元分类操作，此时，Python 窗口会显示功能执行的进度信息。
相关内容
