极海影像深度学习百宝箱

by sshuair

DeepSat是极海专门针对影像信息挖掘所研发的一套深度学习工具集，该工具集融合了当前最前沿的深度学习算法，和方便快捷的预处理、训练和后处理等一系列工具，以及丰富的样例数据，方便用户和开发者快速上手，并将其应用到自己的业务场景中。

DeepSat工作流程如下，用户可以根据自己的数据进行一系列的操作，比如将大影像裁剪成小块的影像、按照不同的任务生成相应的训练集和测试集格式、训练模型、验证模型结果、对新数据进行预测，以及一些后处理工具，比如结果矢量化，建筑物结果优化等等；具体的工作流据任务不同而略有差别。

DeepSat产品中包含语义分割、目标检测、实例分割三大功能和相应的样例数据：

  • 语义分割：像素级别的分类，每一个像素代表一种地物类型，也就是传统遥感解译中的分类。
  • 目标检测：用一个矩形框标出不同类别的物体所在位置，可用于数物体个数的场景。
  • 实例分割：既要识别出每个物体的所在位置，还要识别出物体的轮廓，也就是语义分割与目标检测的合体。
  • 样例数据：我们提供了非常丰富的样例数据（道路、建筑物、土地利用类型等）供模型进行训练。

产品特点

  1. 支持 CPU、GPU 两个环境，提供 Docker 镜像，省去繁杂的机器配置。
  2. 针对遥感影像进行特殊的定制，传统的计算机视觉算法只支持三波段 8bit 数 据，除此之外还支持多波段、16bit 影像数据，支持 GeoTiff、Erdas(.img)、Envi等多种原始数据格式;
  3. 集成了当前最先进的深度学习算法，PSPNet、UNet、DeeplabV3、
    FasterRCNN、MaskRCNN等20多种深度学习模型;
  4. 丰富的预处理和后处理工具，省去大量的数据处理工作;
  5. 提供了大量的影像训练样本数据，方便用户快速上手。

语义分割

语义分割中，我们提供了地物分类和道路识别两种类型的样例数据。

样例数据示例：

功能详解

  • 数据准备: 主要为遥感影像训练数据的准备工作，用于生成训练样本，从原始的影像数
    据，经过一系列的转换可以生成一块块小的图片，并将对应的矢量 标签 转换成 图片，供深度学习模型进行训练(每个加黑的单词代表一个功能)。

  • 训练和预测: 该部分主要为训练深度卷积神经网络中的语义分割模型，模型的训练支持
    GPU 和 CPU 两种训练方式，并且训练出来的模型可以保存，并用于其它的运行 环境(每个加黑的单词代表一个功能)。

  • 后处理: 主要用于处理模型预测之后的结果数据，比如合并成一个大文件，将栅格结
    果矢量化，针对建筑物的轮廓边界简化拉直，道路的中心线提取等等。

  • 应用案例: 基于此工具集，我们做了非常多的案例，比如道路提取、建筑物提取、建成 区提取等。

全国城乡建设区数据提取:


目标检测

  • 样例数据

样例数据示例:

  • 功能详解: 目标检测工具集包含批量的影像、标签的自动化裁剪，生成指定大小的小文 件;生成标准的数据格式(COCO);模型的训练，模型包括 Faster-RCNN、 RetinaNet、SSD 等当前最先进的目标检测算法;模型的预测，预测出来的结果 包含地理坐标信息;相关的后处理工具，比如合并小文件。

  • 应用案例

各种地物目标识别:

精准农业中的烟苗识别:

实例分割

  • 样例数据

  • 功能详解: 实例分割工具集包含批量的影像、标签的自动化裁剪，生成指定大小的小文 件;生成标准的数据格式(COCO)；模型的训练，模型为当前最先进的 MaskRCNN(ResNet50、ResNet101)实例分割算法；模型的预测，结果自动转换成带有地理坐标;相关的后处理工具，比如合并小文件，建筑物边界优化工具。

  • 应用案例
    农田地块识别:

培训

针对上述的产品，我们会提供一下培训:

  • 数据处理培训，主要为各种影像数据、矢量数据等常见预处理操作的
    培训;
  • 模型算法培训，产品中所涉及的各种常见模型和算法的培训;
  • 工具应用培训，产品的每个功能模块的培训。

定制化

针对有自己数据，有特定场景的用户，我们可以提供定制化服务，从数据
的清洗整理，到针对业务模型的训练和调参，以及最后结果的展示等服务。