ArcGIS深度学习标签制作实战：从数据准备到模型训练全流程解析

1次阅读

共计 2088 个字符，预计需要花费 6 分钟才能阅读完成。

在地理空间数据的深度学习项目中，传统人工标注方法常遇到三大难题：

坐标系转换复杂 ：遥感影像通常采用 UTM 或 WGS84 等地理坐标系，而标注工具多使用像素坐标系，手工转换易出错
样本分布不均 ：道路、建筑物等目标在整景影像中占比不足 5%，直接训练会导致模型偏斜
标注效率低下 ：常规工具无法批量处理带有地理参考的 TIFF 文件，单个样本标注耗时长达 3 - 5 分钟

内置工具优势 ：
可视化界面友好，适合少量样本快速标注
自动继承原始影像的空间参考属性
支持导出为 Esri 专属的.emd 格式
Python 脚本优势 ：
可处理 500GB+ 的影像库批量操作
灵活对接 TensorFlow/PyTorch 生态
自定义增强策略（如波段组合优化）

COCO 格式 ：适合多光谱数据，保留 JSON 结构化的地理元数据
YOLO 格式 ：轻量化，但需注意 UTM 坐标到 0 - 1 归一化的精度损失
TFRecord：大数据量场景首选，支持并行读取

import arcpy
from pathlib import Path

def tile_raster(in_raster, tile_size=256, output_dir='tiles'):
    """
    使用 arcpy 实现带地理参考的自动切片
    参数说明：in_raster: 输入影像路径
    tile_size: 切片像素尺寸
    output_dir: 输出目录（自动创建）"""
    try:
        Path(output_dir).mkdir(exist_ok=True)

        # 获取空间参考
        sr = arcpy.Describe(in_raster).spatialReference

        # 设置切片原点为影像左上角
        extent = arcpy.Describe(in_raster).extent
        origin = f"{extent.XMin} {extent.YMax}"

        arcpy.management.SplitRaster(
            in_raster, output_dir, "tile_", 
            "SIZE_OF_TILE", "TIFF", "BILINEAR", 
            tile_size=tile_size, 
            overlap=10,  # 10 像素重叠避免边缘目标被切割
            origin=origin,
            spatial_reference=sr
        )
        arcpy.AddMessage(f"成功切片至 {output_dir}")
    except Exception as e:
        arcpy.AddError(f"切片失败: {str(e)}")

import numpy as np

def normalize_bands(arr, clip_min=0, clip_max=10000):
    """
    针对 Landsat 等传感器的 DN 值归一化
    处理异常值并保留浮点精度
    """
    arr = np.clip(arr, clip_min, clip_max)
    return (arr - clip_min) / (clip_max - clip_min)

# 实际应用示例
with rio.open('multispectral.tif') as src:
    img = src.read()  # 形状为 ( 波段, 高, 宽)
    norm_img = np.stack([normalize_bands(band) 
        for band in img
    ])

旋转增强 ：对车辆等目标随机旋转 15°~345°
镜像翻转 ：保留原始坐标参考的同时水平翻转
色彩扰动 ：在 HSV 空间对亮度通道±10% 随机调整

切片时设置 10-15 像素重叠区
训练时采用滑动窗口预测，测试阶段用加权平均融合边缘

# 地理坐标转像素坐标的正确做法
from osgeo import gdal

def geo2pixel(geo_x, geo_y, gt):
    """
    地理坐标转像素坐标
    gt: GDAL 地理变换矩阵
    """
    px = int((geo_x - gt[0]) / gt[1])
    py = int((geo_y - gt[3]) / gt[5])
    return px, py

使用 GDAL 分块读取：

block_size = 2048  # 根据显存调整
for i in range(0, height, block_size):
    for j in range(0, width, block_size):
        window = ((i, min(i+block_size, height)), 
                 (j, min(j+block_size, width)))
        block = dataset.read(window=window)

在相同 U -Net 架构下测试：