简介面向本科毕业设计的城市建筑物高分辨率遥感影像变化检测项目基于改进的U-Net算法实现适合计算机视觉、遥感或深度学习方向的毕设学习者参考。资源包含完整Python源码、详细说明文档及注释共11个文件涵盖6个Python脚本、2个LaTeX文档及程序压缩包等核心代码与实验记录分层存放。方案在模型选择、编码器架构上做了优化引入SE注意力模块、嵌套U-Net的损失计算与剪枝技术并针对训练阶段的CUDA显存溢出问题给出缓解思路部分实验采用加权FocalLoss兼顾类别不均衡场景。资源体积约21KB已有207人学习适合希望快速理解改进分割网络在遥感变化检测中落地流程的读者。1. 高分辨率建筑物变化检测为什么大家都在改进U-Net遥感变化检测这几年已经不是学术圈自嗨了城市扩张监测、违建排查、拆迁审计这些业务场景都在要「能直接出结果」的模型。这张图里最难的不是语义分割本身而是同一栋楼在不同时相的影像里光照、角度、阴影全不一样模型很容易把「没变」当成「变了」。这个项目切入得很直接以U-Net为骨架把编码器换掉、嵌入SE模块、加上嵌套损失和剪枝再配一版加权FocalLoss来处理变化区域和背景区域极度不平衡的问题。它解决的问题很明确——在高分辨率遥感影像上把建筑物的新增和拆除区域从像素级别抠出来交付给下游做统计和分析。适合正在做本科毕设、或者刚接手遥感分割任务想找一份能跑通参考实现的人源码、说明文档和注释都是齐的可以直接对着改。2. 从U-Net到嵌套U-NetSE模块与剪枝技术到底改了什么2.1 为什么变化检测要选U-Net而不是普通U-Net普通U-Net的结构是一条对称的编码器-解码器通道浅层特征和深层特征只在最底层完成一次跳跃连接。这个设计在医学分割里效果很好因为医学影像的语义相对单一、结构相对固定。但遥感建筑物变化检测不一样输入是两期影像或者两期影像拼接成多通道输入变化区域往往在边缘细节上和未变化区域极其相似单次跳跃连接带来的特征融合粒度不够。U-Net做的事情是把跳跃连接从一条线变成一个嵌套的密集结构每一层解码器不再只接收来自对应编码器层的特征而是接收前面所有子模块输出的特征叠加。用大白话说普通U-Net是「每个楼层只跟正下方那层沟通」U-Net是「每个楼层把下面所有楼层的消息都汇总一遍」。这个设计对遥感变化检测的价值在于不同尺度的建筑物轮廓信息可以在训练中被反复融合小到单栋民房的屋顶变化、大到成片厂区的拆除都能在同一套参数里获得比较均衡的感知。2.2 编码器换成VGG19预训练权重带来的收益和代价项目里把编码器从原始U-Net论文里的普通卷积堆叠换成了VGG19的encoder部分这是一个很务实的决定。VGG19虽然是老架构但它的ImageNet预训练权重在全世界各种任务里被验证过泛化性遥感影像虽然和自然图像分布不同但底层纹理、边缘、角点这些低级特征是可以迁移的。训练初期损失下降的速度会明显比随机初始化快这对算力有限的本科毕设场景尤其重要——你大概率没有一张24G显存的卡去从头训一个深层分割网络。代价有三个。第一VGG19的前五层stage下采样倍数分别是1、2、4、8、16输入尺寸必须能整除以32否则特征图尺寸对不上。第二VGG19的encoder部分在stage3之后通道数直接去到512嵌套U-Net里每个子U-Net都要在这些高维特征上做卷积显存占用会明显上升。第三预训练权重是RGB三通道的如果你的输入是两期影像拼接成的六通道要么把两期影像分别过encoder再在高层融合要么直接砍掉预训练的第一层卷积权重重新初始化。项目的做法是把两期影像分别过权重共享的encoder在解码器阶段做差异融合这也是大多数遥感变化检测模型的标准操作。2.3 SE模块嵌入的位置和理由SE模块Squeeze-and-Excitation的核心操作就两步先通过全局平均池化把每个通道的空间信息压缩成一个数值再用两个全连接层学习出每个通道的重要性权重最后把权重乘回原来的特征图。本质上是给模型加了一个「注意力开关」让它对有变化响应的特征通道更敏感。在这个项目里SE模块不是简单地堆在编码器后面而是嵌在嵌套U-Net的每个子U-Net模块的卷积块之间。我拆过代码之后发现它主要嵌在两个位置一是encoder每个stage的最后一层卷积之后二是每个子U-Net内部上采样之后。前者的作用是让编码阶段就抑制掉光照差异带来的冗余通道后者是让解码阶段更聚焦在变化区域而非背景纹理上。2.4 嵌套损失和剪枝训练时用全套推理时删冗余嵌套损失是这个项目一个比较有意思的设计。U-Net本身在训练时会对每个子U-Net的输出都计算损失最后加权求和这个叫deep supervision。项目的创新点在于把这个嵌套计算和SE模块的输出结合了起来——每个子模块的损失里除了分割损失还叠加了一个对SE权重分布的正则项让注意力分布更稀疏。剪枝技术则对应推理加速。训练好的嵌套U-Net里存在大量冗余的子路径项目里提供了一个剪枝脚本把贡献度低于阈值的子模块直接裁掉。剪完之后模型在推理时退化成一条接近U-Net的瘦结构但精度损失控制在可接受范围内。这样做的好处很实际训练时用大模型保证精度上限部署时用小模型保证推理速度一套代码两种形态。3. 工程落地第一步代码包结构与数据组织3.1 拿到压缩包后的初始清单解压之后先别急着跑训练把文件分一下类。train脚本负责训练主流程valid脚本负责验证LineGraph.py负责把训练和验证的损失、指标曲线画出来说明文档.7z里是完整的撰写文档和论文相关的tex文件。还有一个VGG19_encoder.tex里面是编码器结构图和对应的参数量表格写论文方法部分时可以对照着用。项目不是纯单文件脚本train脚本里import了同目录下的网络结构模块、数据加载模块和损失函数模块。所以解压之后第一件事是把整个目录结构保持原样不要单独把某个.py文件拷出来放到别的路径下。我一般会先跑一遍导入检查确认没有缺库cd project_code_upload python -c from train_utils import *; print(import ok)正常情况下看到import ok说明依赖基本齐了。如果报错绝大多数情况是缺了torchvision或者timm这两个库在编码器加载预训练权重时会用到。第一个参数是训练epoch数第二个是batch size先用小值跑到第一个epoch结束确认全流程能走通再动正式参数。3.2 数据目录长什么样两期影像、标签与切块遥感变化检测的训练数据组织方式跟普通分割不一样。每个样本包含三张图t1时期的影像、t2时期的影像、以及对应的变化标签图。标签图里像素值0代表未变化255代表建筑物变化。项目默认的数据读取逻辑要求你把数据按固定目录结构放好data/ train/ A/ # t1 影像 B/ # t2 影像 label/ val/ A/ B/ label/高分遥感影像的原始尺寸动辄几千乘几千像素不可能整张图直接喂给网络所以数据加载模块里内置了一个随机切块的逻辑。每次迭代从原图上随机裁出一块固定尺寸的patch同时做随机的水平翻转、垂直翻转和旋转增强。这个设计的好处是显存占用可控缺点是如果原图里有大量空白区域随机切块可能会裁到大量无变化区域训练会被背景样本主导。我一般会先统计一下标签图里变化像素的占比如果占比低于1%建议在数据读取里加一个采样逻辑——以变化像素为中心优先切块。3.3 训练脚本关键参数解读train脚本开头的配置区集中定义了所有超参数尽量别直接改网络结构里的硬编码而是在这个配置区调整。下面这段是从项目里摘出来的核心参数逻辑# train.py 中的关键配置示例 input_size 512 # 切块尺寸显存不够时优先降这里 batch_size 8 # batch sizeOOM时先降到4或2 base_lr 1e-4 # 初始学习率换编码器后建议从5e-5起步 num_epochs 100 # 训练总轮数 loss_mode focal # ce 或 focalfocal对变化区域更友好 use_se True # 是否启用SE模块 deep_supervision True # 训练时开启嵌套损失 accumulate_steps 2 # 梯度累积步数显存不够时用这里重点说三个参数。input_size降到384甚至256是最有效的显存缓解手段代价是建筑物轮廓会变粗糙如果目标以小民房为主建议保持512。base_lr在换用VGG19预训练编码器后建议调低到5e-5因为预训练权重已经处在一个较优的局部区域学习率太大会把低层特征直接冲毁。loss_mode切到focal之后要对gamma和alpha做调参这个在后面避坑章节细说。3.4 验证阶段和训练阶段的结构差异验证脚本和训练脚本共享同一套网络结构定义但有两个重要区别。第一验证阶段会强制关闭嵌套损失中的辅助损失分支只保留主分支的输出这样得到的结果更接近实际部署时的推理结构。第二验证阶段不会做随机增强而是用滑窗的方式把整张测试图切成patch逐个推理再把patch的预测结果拼回原图尺寸。这里有一个容易踩的坑滑窗的窗口重叠区域如果直接覆盖写边界处会出现明显的接缝伪影。项目里默认的处理是重叠区域的预测取平均值这个逻辑在验证脚本里已经有了但如果你自己写滑窗推理一定要记得加。4. 核心代码拆解嵌套损失、加权FocalLoss与两阶段训练4.1 编码器部分的实现与预训练权重加载编码器是理解这个项目结构的钥匙。项目在构造网络时把VGG19的features部分按stage切分成五段每一段输出一组不同分辨率的特征图。下面这段代码展示了编码器构造的核心逻辑# model.py 中的 VGG19 encoder 构造逻辑 import torch.nn as nn from torchvision import models class VGG19Encoder(nn.Module): def __init__(self, pretrainedTrue, output_levels(1, 2, 3, 4, 5)): super().__init__() vgg models.vgg19(pretrainedpretrained) features list(vgg.features.children()) self.stages nn.ModuleList() stage [] for layer in features: if isinstance(layer, nn.MaxPool2d): self.stages.append(nn.Sequential(*stage)) stage [] else: stage.append(layer) self.stages.append(nn.Sequential(*stage)) # 只保留前5个stage self.stages self.stages[:5] def forward(self, x): feats [] for stage in self.stages: x stage(x) feats.append(x) return feats这里最关键的细节在于MaxPool2d触发stage切分。VGG19的original特征提取部分有五个maxpool层对应五次空间分辨率减半正好与U-Net的五层深度对齐。forward函数返回的是一个特征图列表列表长度等于5每个元素的尺寸依次是输入的1、1/2、1/4、1/8、1/16。decoder部分拿到这个列表之后从最深层开始逐层向上融合。预训练权重的加载用的是torchvision自带的vgg19预训练参数不需要手动下载文件但第一次运行时会联网拉取权重如果你的机器没有外网或者被防火墙拦了会卡在这一步。本地跑的时候如果遇到这个情况需要单独下载权重文件放到torchvision缓存目录里或者直接设置pretrainedFalse随机初始化。4.2 SE模块实现细节降维比例与小输入尺寸的适配SE模块在项目实现里并不是直接照搬原论文的写法而是做了两个调整。第一降维比例reduction取的是8而不是原论文的16原因是遥感影像的特征图通道数在浅层只有64如果用16降维中间层只有4个通道信息损失太严重。第二两个全连接层之间用了LeakyReLU激活而不是原版的ReLU目的是避免负半轴的梯度直接归零。# module.py 中的 SE 模块实现 import torch.nn as nn class SEBlock(nn.Module): def __init__(self, channels, reduction8): super().__init__() self.squeeze nn.AdaptiveAvgPool2d(1) self.excitation nn.Sequential( nn.Conv2d(channels, channels // reduction, kernel_size1), nn.LeakyReLU(0.1, inplaceTrue), nn.Conv2d(channels // reduction, channels, kernel_size1), nn.Sigmoid() ) def forward(self, x): w self.squeeze(x) w self.excitation(w) return x * w这里的实际效果是每个通道的特征图先被压缩成一个标量描述全局响应再用两个1x1卷积学习通道间的非线性关系最后通过Sigmoid输出一个0到1之间的权重乘回原特征图。1x1卷积在这里替代全连接层好处是不要求输入特征图必须保持某个固定尺寸任意分辨率都能跑。4.3 嵌套损失与deep supervision训练时的多层约束嵌套损失是这个项目训练阶段的核心机制。在U-Net里存在多个子U-Net模块每个子模块都输出一张预测图。项目在训练时会对所有子模块的输出分别计算损失再加权求和权重按深度的增加而递减。浅层子模块分辨率高但语义弱权重设低一些深层子模块分辨率低但语义强权重设高一些。从实际效果来说deep supervision相当于给网络加了多个「进度检查点」。从不同深度的特征图都去逼近标签图梯度可以从多个位置回传避免了梯度只从最深层一条路径回传导致的浅层特征更新缓慢。训练初期浅层子模块的损失帮助网络快速学会基本的边缘定位训练后期深层子模块的损失主导网络学会全局语义一致性。嵌套损失和SE模块的交互项目里做了个定制——每个子模块的损失在传回主loss之前会乘以当前子模块内部SE权重的稀疏度打分。这个设计在训练时引导SE模块产生更稀疏的注意力分布。稀疏注意力分布有两个好处一是通道冗余降低模型对不相关纹理的响应更少二是剪枝时更容易判断哪些通道可以裁掉。4.4 加权FocalLoss缓解变化区域与背景的极端不均衡遥感变化检测里最常见的问题不是网络结构不够深而是标签数据极度不平衡。一个典型的场景标签图里变化区域可能只占整张图的0.5%其余全是未变化背景。如果直接用交叉熵损失网络只要把整张图都预测为未变化就能拿到99.5%的正确率梯度信号被背景完全淹没。项目采用的加权FocalLoss在标准FocalLoss基础上加了一个类别权重项针对性解决变化像素太少的问题# loss.py 中的加权 FocalLoss 实现 import torch import torch.nn.functional as F class WeightedFocalLoss(nn.Module): def __init__(self, alpha0.75, gamma2.0, weight10.0): super().__init__() self.alpha alpha # 正样本权重系数 self.gamma gamma # 难易样本调节系数 self.weight weight # 变化类别整体缩放权重 def forward(self, logits, targets): ce_loss F.binary_cross_entropy_with_logits( logits, targets, reductionnone ) p_t torch.sigmoid(logits) * targets (1 - torch.sigmoid(logits)) * (1 - targets) modulating torch.pow(1 - p_t, self.gamma) alpha_t self.alpha * targets (1 - self.alpha) * (1 - targets) focal modulating * alpha_t * ce_loss # 对变化区域整体放大损失权重 focal focal * (1 self.weight * targets) return focal.mean()这段代码的思路是把损失拆成几个维度分别调节。alpha参数控制正负样本的基础权重比例gamma参数让难分类样本p_t接近0.5的那些像素获得更大梯度最后的weight项直接对变化像素的损失做整体放大。项目处在「部分实验已完成」的状态意思是这个损失函数在部分数据集上做过验证但还没有在大规模数据上系统调过alpha和gamma的最优组合。4.5 梯度累积与训练稳定性小显存跑大模型的土办法训练和验证阶段解决CUDA Out of memory的手段项目里主要做了三件事。第一是梯度累积把一次大batch的更新拆成多次小batch分别前向反向、累加梯度后统一更新参数。第二是关闭不需要的梯度计算验证阶段显式包裹torch.no_grad()减少显存占用。第三是在混合精度可用时开启自动混合精度让部分计算以float16执行。这三招的优先级是有讲究的。如果显存只是稍微超了一些先开混合精度几乎不损失精度就能省约30%显存。如果显存还很紧张再上梯度累积注意累积步数乘以batch size等于等效batch size学习率也要按比例微调。最后才是降输入尺寸或者降batch size因为这两个改动会直接影响模型效果。5. 避坑记录OOM、损失震荡与剪枝掉点的四个实操问题5.1 训练没几分钟就CUDA Out of Memory现象batch size设成8、输入尺寸512训练脚本跑到第一个iteration直接报CUDA out of memory。原因嵌套U-Net本身就比普通U-Net的显存占用高出一截。每个子U-Net都要保留前向过程的中间特征图用于梯度回传deep supervision开启时还要额外保存多个辅助输出头。项目里同时开启SE模块和嵌套损失之后显存占用比同等深度的普通分割网络高出约60%到80%。解决按顺序做三件事。第一把train脚本里的混合精度开关打开第二设置梯度累积步数为2甚至4等效batch不变但峰值显存减半第三如果还超把input_size从512降到448或384。输入尺寸最好是32的倍数保证VGG19各层特征图尺寸对齐。5.2 FocalLoss训练早期损失不降反升现象把损失切换成FocalLoss之后前几个epoch的loss值比同配置下的交叉熵损失高出一大截而且下降速度肉眼可见地慢。原因FocalLoss的初始设计目标是让模型关注难分类样本但训练早期模型对所有像素都处于「难分类」状态alpha和gamma的联合作用把整体loss放大了。gamma取2.0、alpha取0.75的这个组合适用于训练中期和后期的微调不适合从零开始训练。解决我一般会分两阶段走。前20个epoch用普通交叉熵训练让网络先学会基本的分割结构和大致的轮廓定位第20个epoch之后切换到FocalLoss此时大部分背景像素已经能被正确分类FocalLoss的梯度才会真正集中到变化区域的难样本上。gamma从1.0起步观察3到5个epoch的验证指标稳定之后再往上加到2.0。5.3 剪枝之后模型精度断崖式下跌现象按脚本默认阈值剪枝后验证集上的IoU从0.72直接跌到0.58下跌幅度远超预期。原因默认的剪枝策略是直接去掉贡献度低于阈值的子模块和对应通道但嵌套U-Net里不同子模块之间存在共享的特征依赖。暴力裁剪会把一部分主路径也在依赖的中间特征一并剪掉相当于把承重墙拆了。解决把剪枝阈值调低一个量级先剪掉那些输出权重占比低于1%的子模块保留所有主路径上的模块。剪完之后不要直接拿去推理把学习率调到原来的1/10用训练集再跑5到10个epoch做一次微调。微调不需要跑满全程主要是让被裁分支的剩余通道重新适应新的特征分布。5.4 滑窗验证出现明显的接缝伪影现象推理阶段用滑窗拼接结果时预测图里出现一条条规则的竖线和横线位置和滑窗的重叠边界完全重合。原因验证脚本里滑窗步长小于窗口尺寸重叠区域的预测结果如果直接取最后一次覆盖写入边界处的预测会出现跳变。特别是变化区域正好跨越边界时两个窗口对同一位置的变化概率估计不一致拼接处就产生了伪影。解决项目验证脚本里已经包含了重叠区域取平均的逻辑但如果自行修改过推理流程需要确认两点一是重叠区域每个像素的预测值做叠加而不是覆写二是记录每个像素被覆盖的次数最后做除法取平均而不是最值。6. 验证与进阶让训练曲线和指标真正指导你调参训练一套变化检测模型最怕的不是acc上不去而是你压根不知道它为什么上不去。LineGraph.py这个脚本画出来的训练曲线很多人只是看一眼loss有没有下降就关了其实里面信息量很大。训练loss稳步下降、验证loss先降后升这是典型的过拟合信号此时应该加增强、加权重衰减或者降低学习率而不是继续闷头跑。训练loss和验证loss都下降缓慢、但验证指标里查全率明显偏低说明模型对变化区域不敏感需要检查FocalLoss的alpha权重是不是太小或者变化类别的采样率不够。两个loss都在下降但misclassification rate里把变化区域错误分类为背景的比例很高这是建筑物边缘像素的定位不够精细考虑把输入尺寸调回512或者在切片逻辑里增加变化像素为中心的采样比例。验证脚本输出的指标里重点关注IoU和F1就行准确率可以忽略——在变化区域占比只有1%的数据集上准确率永远是99%以上区分不出模型的任何好坏。IoU反映的是变化区域预测框和真实区域的重合程度F1反映的是查准和查全的平衡。建筑物变化检测的项目通常更看重查全率因为漏掉一栋新增建筑比误报一栋更严重。如果F1里precision很高但recall偏低后处理时可以把概率阈值从0.5往下调到0.4或者0.35变化区域通常会有概率偏低的边缘像素阈值调低一点能明显提升召回。进阶操作层面我建议你拿到数据集后先做一次像素分布统计计算变化像素占全图比例。如果低于1%训练时对标签图做一个膨胀操作把变化区域的边界往外扩3到5个像素相当于给模型增加了正样本数量。训练完成之后推理结果还要做一次形态学后处理先开运算去掉零散的小噪点再闭运算填补变化区域内部的空洞。这两个操作的卷积核大小用3x3就够了对大尺寸目标可以尝试5x5。另外把验证脚本的滑窗步长从窗口尺寸的50%改成75%重叠区域增多之后预测结果的接缝伪影会更少代价是推理时间增加约40%。如果你赶时间则用50%步长如果指标就差最后一点用75%步长做最终提交结果通常能再涨一个点。从那以后我每跑完一组实验都会强制自己去LineGraph出来的曲线文件里看一遍「验证集IoU和FocalLoss的分量变化」只有两期影像的变化区域被真正激活出来、而不是靠背景占多数刷高指标我才敢把这个权重文件用于后续的交付。希望帮到你。本文还有配套的精品资源点击获取