使用说明

对影像进行地物分类，即利用遥感图像中各类地物光谱信息和空间信息进行分析，将图像中具有语义信息的各个像元分别赋予语义类别标签以实现地物分类，包括：建筑物、林地、草地、水田、农用地等。类比于二元分类，地物分类是通过神经网络模型判断影像中的每个像元属于兴趣类别中的哪一类，用于多类地物判断，通过像元计算兴趣类别的位置、边界和面积等信息。

参数说明

• 源数据：选择需要进行地物分类的影像，支持数据集和文件夹两种类型

• • 文件类型选择数据集，则支持输入文件型影像数据（如*.tif、*.img等）、影像数据集和镶嵌数据集。

  • 文件类型选择文件夹，则需要输入影像文件夹路径。

• 模型文件：选择模型文件（*.sdm）。

• 瓦片重叠（像元）：在地物分类过程中，由于卷积神经网络的结构特征，会导致瓦片边缘的数据预测不充分，为了提高预测质量，需要将瓦片重叠。此参数以像元为单位，可设置成瓦片大小的八分之一到四分之一，瓦片重叠像元越大，推理整张影像所需的时间越长。模型所对应的瓦片大小被记录在模型文件（*.sdm）的tile_size参数中，如瓦片大小为1024，则瓦片重叠像元可设置成128-256。

• 单步运算量：由于遥感影像数据量较大，在计算机性能的限制下，模型无法一次读入，因此在推理时，采用分块读取和处理的方法。单步运算量就是指同时推理的切片数量，适当增大单步运算量，可以提升解译效率，但其受推理设备显存（GPU推理）或者内存（CPU推理）大小的限制。

• 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编号：指定用于处理数据的GPU标识号，默认值为0，若“处理器类型”选择CPU，则该值固定为-1。若使用GPU，需要在系统命令行中通过“nvidia-smi”命令查询GPU编号，GPU编号以查询到的结果为准，如果有多个GPU，可以指定用于处理数据的GPU标识号。若需要使用多个GPU，请使用英文逗号“,”隔开，如：“0,2,3”，表示使用编号为0、2、3的GPU。

• 其他参数设置：勾选其他参数设置，可输入与源数据坐标系相同的面数据集，用于限制推理范围。

• 结果数据：地物分类的结果可输出为矢量数据集或栅格文件。

  • 若选择矢量数据集，需要指定保存矢量数据集的数据源和矢量数据集名称。如果是批量推理，则原影像名称将通过“_”拼接到矢量数据集名称中，以区分多个影像的地物分类结果。

  • 若选择栅格文件，需要指定保存栅格文件的文件夹路径和栅格文件名称。如果是批量推理，则原影像名称将通过“_”拼接到栅格文件名称中，以区分多个影像的地物分类结果。

相关主题

训练数据生成

模型训练

模型评估