卫星影像的AI分类与识别参赛笔记

卫星影像的AI分类与识别参赛笔记

标签（空格分隔）： 图像分割

---

前言

因为看到卫星影像的AI分类与识别这个比赛和正在研究的卫星遥感影像分割类型很相似，就报名参加了。比赛分A，B榜提交，最终成绩为复赛A榜23/867,B榜12/867，没机会进决赛[-_-]。现在把之前的一些经验做下笔记。

数据集介绍

1. overview

数据来自2015年中国南方某地区的高分辨率无人机遥感影像，分辨率为亚米级，光谱为可见光波段（R，G，B），提供的训练样本分为五类：植被（标记1）、建筑（标记2）、水体（标记3）、道路（标记4）以及其他(标记0)，耕地、林地、草地均归为植被类。初赛训练集是2张大的png格式图片，图片大小是79397969，预测集是三张大的png格式图片，图片大小为51905204，复赛训练集增加了3张大的png格式图片，复赛预测集也是三张png图片。相比其他类型比赛的数据，遥感影像可视化较为方便，可以对遥感影像有个整体直观的了解。下面第一张图是初赛训练集，第二张图片是初赛预测原图与预测结果（准确率60%），第三张图片是复赛预测原图和预测结果（准确率91%）。



初赛由于训练集较少，只有2张，预测集有3张，使用神经网络来进行预测效果普遍不好，准确率都在80%以下，参赛队伍中使用传统地物提取方法的队伍可以达到85%左右的准确率，长期稳坐第一的位置，到复赛的时候新增加了3张训练集，数据集增后，神经网络的效果就出来了，使用神经网络的队伍准确率都达到了90%以上，最高的能达到95%，可参考他的gitub，大神的准确率大概在95%左右。

训练集的标注整体质量不错，但也存在少部分标注错误的情况，比如上面第一张图中左上角区域将背景类错误地标注为建筑类；同时由于遥感影像地物类型复杂，存在着预测集中出现训练集中不存在的几种地物导致不能识别的情况，这也是导致初赛中神经网络预测误差较大的原