汪雪淼-新型模型架构下的遥感智能解译工具实践.pdf

《汪雪淼-新型模型架构下的遥感智能解译工具实践.pdf》由会员分享，可在线阅读，更多相关《汪雪淼-新型模型架构下的遥感智能解译工具实践.pdf（51页珍藏版）》请在三个皮匠报告上搜索。

1、P1汪雪淼超图软件平台产品线中级产品工程师2024年9月12日新型模型架构下的遥感智能解译工具实践P2新型模型架构下的遥感智能解译工具实践SuperMap新增模型介绍遥感智能解译工具实践预训练模型介绍及使用方法P3P3SuperMap新增模型介绍1P4遥感智能解译功能二元分类：道路提取对象提取：养殖网箱提取目标检测：光伏板检测变化检测：耕地变化检测场景分类：功能区划分地物分类：土地覆盖分类P5模型支持情况二元分类地物分类通用变化检测目标检测对象提取场景分类FPNU-NetDeepLabv3+D-LinkNetSFNetSegFormerFPNU-NetDeepLabv3+SFNetSegFor

2、merMask2FormerSiam-SFNetDSAMNetSiam-SegFormerCascade R-CNNRTMDetReDetMask R-CNNRTMDet-InsEfficientNet 注：红色为11i(2024)新增模型P6SegFormerMask2Former地物分类新模型Mask2Former建筑物林地水体道路裸地耕地草地其他P7目标检测新模型ReDetReDet 是一种专门为旋转目标检测设计的算法，它基于 Faster R-CNN 框架，并通过引入旋转等变特征提取和旋转不变特征提取（RiRoI Align），实现了对旋转目标的精确检测。视觉效果佳后处理效果好反映形状

3、和方向Cascade R-CNN水平框检测结果ReDet旋转框检测结果P8SAMSegment Anything Model（SAM）可以对图像进行全分割或提示分割（点提示、矩形框提示）SAM具备零样本泛化能力，可应用于遥感解译领域不具备语义信息且有拓扑错误P9G-SAMGeospatial SAM：G-SAM输入：地理空间数据提示数据矩形框影像数据输出：遥感解译结果交互点多边形矩形框提示多边形提示交互点提示P10P10遥感智能解译工具实践2P11遥感智能解译流程模型推理模型应用模型训练模型构建推理结果后处理训练数据生成数据准备影像样本管理模型转换模型评估P12P12G-SAM，交互式提示分割

4、P13训练数据生成影像数据源标签数据源训练数据训练数据集验证数据集P14训练数据生成支持影像数据集、镶嵌数据集和影像文件夹等多种输入形式 支持多次追加训练数据镶嵌数据集影像文件夹影像数据集保存无标签数据：可用于补充负样本，帮助模型迭代优化仅保存有标签数据：减少数据量，提升训练效率P15模型推理模型应用模型训练模型构建推理结果后处理遥感智能解译流程训练数据生成数据准备影像样本管理模型转换模型评估P16模型训练支持训练六种常用的遥感影像解译模型，并提供丰富的算法来适应不同的功能、数据及应用场景单步运算量定义了训练中单次通过网络计算的切片数量，一般推荐用户在显存允许范围内设置一个较大的值，以加快收敛

5、速度、提升模型精度切片大小 单步运算量的上限还与切片大小、模型算法有关模型算法P17模型训练支持自动初始化学习率，支持学习率预热和衰减。训练过程学习率预热学习率衰减学习率支持迁移学习。对已有模型进行微调，快速获得满足应用需求的新模型支持单卡、多卡、指定显卡设备号训练P18继续训练断点继续训练，实现日志续写模型训练过程因故中断，怎么办？基于中断前log文件夹实现断点继续训练，节省资源训练参数可自动复现，方便快捷记录中断前训练参数P19 全功能支持多波段数据 可使模型获得更准确、全面的信息，提升模型精度 多光谱遥感数据可直接训练，减少数据预处理步骤支持构建多波段模型训练数据模型文件+样本影像矢量标

6、签推理结果+待推理影像对应的波段数和波段顺序P20遥感智能解译流程模型推理模型应用模型训练模型构建推理结果后处理训练数据生成影像样本管理模型转换模型评估数据准备P21模型推理支持批量推理支持按范围推理支持设置单步运算量和指定GPU编号P22支持多种输入形式影像文件夹镶嵌数据集影像数据集影像服务P23GPA基于影像服务推理P24GPA基于影像服务推理历史耕地图斑建筑物P25提示分割提示类型：无提示、矩形框提示、多边形提示模型量级从1-4，代表参数量从小到大（vit-mobile、vit-b、vit-l、vit-h），默认为4。参数量越大模型越复杂，一般得到的分割结果精度越高。无提示和多边形提示两