目标检测-影像分析
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。
主要参数
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。
- 功能入口：工具箱->机器学习->影像分析->目标检测工具。
- 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，选择需要进行检测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，选择需要进行检测的文件夹路径，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。
- 去重阈值：去重阈值一般为 0.3~0.7，默认值为 0.3。模型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。
- 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。
相关内容
