技术研究之遥感图像识别

标签：无分类：未分类创建时间：2025-07-07 01:30:16 更新时间：2026-05-27 11:42:29

前言

其实前面已经写了一篇文章了，也做了一部分实验，使用 yolo进行了图像分割，但是已经好几个月了，还是有些忘记了。

参考文章:
【1】.中国农村地区建筑物样本及标注无人机影像数据集
【2】.一种遥感影像自动识别耕地类型的机器学习算法
【3】.遥感影像图像分割-地物提取模型训练与大图直接推理流程当我们读取遥感大图时，先不要将全部数据读取到内存中，而是只读取影像的元数据信息，同时我们创建一个和原始遥感大图尺寸和地理坐标信息一致的空影像。然后进行滑窗裁剪图片，这时不是真的裁剪出小图，而是只记录每个小图的左上角坐标和尺寸，当进行模型推理时，根据每张小图的左上角坐标和尺寸实时的从遥感大图中裁剪出对应位置的小图，再将这张小图进行预测，预测的结果直接写入上面创建的那个空影像中，因为我们知道每张小图在大图中的具体位置和尺寸，所以每张小图可以准确的写入空影像对应的位置中，这样所有小图预测后就同步写入到空影像中了，而这个结果和原始影像大图具有相同的尺寸和地理坐标信息。
【4】.实战 | 基于SegNet和U-Net的遥感图像语义分割 SegNet已经出来好几年了，这不是一个最新、效果最好的语义分割网络，但是它胜在网络结构清晰易懂，训练快速坑少，所以我们也采取它来做同样的任务。SegNet网络结构是编码器-解码器的结构，非常优雅，值得注意的是，SegNet做语义分割时通常在末端加入CRF模块做后处理，旨在进一步精修边缘的分割结果。
【5】.基于轻量化的 DeepLabV3+遥感图像地物分割方法这是一篇论文
【6】.入门教程篇 | AI+RSegment：基于深度学习的遥感图像分割流程（代码已上传）

1.数据获取

2.数据标注

3.数据分割

4.模型训练

5.模型验证

5.模型部署

6.图新获取

7.图像识别

8.图像合并

9.可视化

往期推荐

文章目录

微信公众号

广告位

诚心邀请广大金主爸爸洽谈合作

每日一省

isNaN 和 Number.isNaN 函数的区别？

1.函数 isNaN 接收参数后，会尝试将这个参数转换为数值，任何不能被转换为数值的的值都会返回 true，因此非数字值传入也会返回 true ，会影响 NaN 的判断。

2.函数 Number.isNaN 会首先判断传入参数是否为数字，如果是数字再继续判断是否为 NaN ，不会进行数据类型的转换，这种方法对于 NaN 的判断更为准确。

每日二省

为什么0.1+0.2 ! == 0.3，如何让其相等?

一个直接的解决方法就是设置一个误差范围，通常称为“机器精度”。对JavaScript来说，这个值通常为2-52，在ES6中，提供了Number.EPSILON属性，而它的值就是2-52，只要判断0.1+0.2-0.3是否小于Number.EPSILON，如果小于，就可以判断为0.1+0.2 ===0.3。

每日三省

== 操作符的强制类型转换规则？

1.首先会判断两者类型是否**相同，**相同的话就比较两者的大小。

2.类型不相同的话，就会进行类型转换。

3.会先判断是否在对比 null 和 undefined，是的话就会返回 true。

4.判断两者类型是否为 string 和 number，是的话就会将字符串转换为 number。

5.判断其中一方是否为 boolean，是的话就会把 boolean 转为 number 再进行判断。

6.判断其中一方是否为 object 且另一方为 string、number 或者 symbol，是的话就会把 object 转为原始类型再进行判断。

每日英语

Happiness is time precipitation, smile is the lonely sad.

幸福是年华的沉淀，微笑是寂寞的悲伤。