简介：这份资源是面向计算机相关专业学生与项目实战学习者的课程设计/期末大作业源码包，主题为基于图像分割的卫星遥感图像国土分类。项目采用Python实现，涵盖数据预处理、模型构建与训练等完整流程，涉及PSPNet、DeepLabV3、DeepLabV3+等主流分割网络，适合作为图像分割与遥感分类方向的学习范例。压缩包共12个文件，以8个py源码文件为核心，另含2个log训练日志、1个txt说明与1张png展示图，整体约2.49MB，结构紧凑、便于快速浏览与二次开发。资源已通过严格调试，下载后可直接运行，省去环境搭建与排错成本。目前已有159人学习下载，读者可从中获取完整的项目目录组织、分割模型实现代码、训练日志参考以及数据加载与预处理脚本，帮助理解遥感图像国土分类的技术路线与工程落地方式，适合用于课程设计参考、大作业复现及项目实战练习。1. 遥感图像国土分类项目：从像素到地类的完整工程链路拿到一份卫星遥感影像，怎么让机器自动告诉你哪片是水体、哪片是建筑、哪片是植被？这个课程设计项目干的就是这件事。它用 Python 搭了一套基于图像分割的国土分类流程，核心是把遥感影像按像素打上地类标签，而不是简单给整张图贴一个类别。项目里包含了预处理脚本、数据加载模块、PSPNet 和 DeepLabV3+ 等分割网络实现，还有训练日志和展示海报，结构上已经是一个能跑通的小型工程。适合正在做课程设计、期末大作业的计算机相关专业学生，也适合想拿一个真实遥感场景练手分割模型的开发者。遥感数据本身有保密限制，项目里放了说明文件，但代码框架和网络结构是完整的，换成自己的数据就能跑。2. 项目结构拆解：从 preprocess 到 seg_zoo 的模块分工2.1 目录层级与文件职责先把压缩包解开，根目录下能看到这些关键文件：preprocess.py和preprocess_water.py负责数据预处理，data_load.py管数据读取和增强，nets/目录下放着seg_zoo.py、pspnet.py、deeplabv3.py、deeplabv3_plus.py四个网络定义文件，deecamp_train.py是训练入口，pspnet.log和deeplab_v3.log是跑过的训练日志，data/目录里有一个说明文件解释为什么没有放原始遥感数据，另外还有 26 组 poster 展示图。这种结构在课程设计里算比较规范的，把数据、模型、训练脚本分开了。nets/seg_zoo.py像是一个模型仓库的入口，里面大概率用字典或工厂函数把不同分割网络注册进去，训练脚本通过名字就能拿到对应的模型类。我一般做类似项目也会这么干，好处是加新网络时不用改训练主逻辑，只在seg_zoo.py里注册一下就行。2.2 预处理脚本的分工逻辑preprocess.py和preprocess_water.py分开写，说明水体这一类可能做了特殊处理。遥感影像里水体在近红外波段反射率很低，用 NDWI 指数能比较干净地提取出来，单独写一个脚本可能是为了先做水体掩膜或者生成水体标签。常见做法是：preprocess.py做通用的大气校正、裁剪、归一化，preprocess_water.py专门算 NDWI 并生成水体二值图，后面训练时把水体作为一个独立类别或者先验信息用。# preprocess.py 典型结构示意 import numpy as np from osgeo import gdal def read_tif(path): """读取遥感 tif，返回数组和地理变换参数""" ds = gdal.Open(path) img = ds.ReadAsArray() # 形状 (bands, H, W) geo = ds.GetGeoTransform() return img, geo def normalize(img): """按波段做 min-max 归一化，避免量纲差异""" img = img.astype(np.float32) for i in range(img.shape[0]): band = img[i] img[i] = (band - band.min()) / (band.max() - band.min() + 1e-8) return img def crop_patches(img, size=256, stride=128): """滑窗裁剪成小图块，方便送进分割网络""" patches = [] _, H, W = img.shape for y in range(0, H - size + 1, stride): for x in range(0, W - size + 1, stride): patches.append(img[:, y:y+size, x:x+size]) return np.stack(patches)这段代码里read_tif用 GDAL 读多波段遥感图，normalize按波段归一化，crop_patches做滑窗裁剪。参数size=256是送入网络的图块大小，stride=128控制重叠度，重叠一半能减少边缘拼接的割裂感。如果显存够，可以把size提到 512，但 batch size 要相应降下来。2.3 数据加载与增强data_load.py一般会继承 PyTorch 的Dataset类，实现__getitem__和__len__。遥感数据增强和自然图像不太一样，翻转、旋转可以用，但颜色抖动要谨慎，因为波段反射率是有物理意义的。常见做法是只做几何增强，加上随机裁剪和归一化。# data_load.py 核心逻辑示意 import torch from torch.utils.data import Dataset import numpy as np class SegDataset(Dataset): def __init__(self, img_list, label_list, transform=None): self.img_list = img_list self.label_list = label_list self.transform = transform def __getitem__(self, idx): img = np.load(self.img_list[idx]) # (C, H, W) label = np.load(self.label_list[idx]) # (H, W) if self.transform: img, label = self.transform(img, label) return torch.from_numpy(img).float(), torch.from_numpy(label).long() def __len__(self): return len(self.img_list)这里img是浮点型，label转成long是因为交叉熵损失要求标签是整数类别。transform如果要做同步几何变换，得自己写一个同时处理 img 和 label 的函数，不能直接用 torchvision 的单图变换，否则图像和标签会对不上，这是分割任务里很容易翻车的地方。3. 分割网络选型：PSPNet 与 DeepLabV3+ 的实现差异3.1 PSPNet 的金字塔池化模块pspnet.py里的核心是金字塔池化模块（PPM）。遥感影像里地物尺度差异大，一片水体可能占半张图，一栋建筑只有几十个像素，PPM 用不同大小的池化核去抓多尺度上下文，正好对路。典型实现是四个分支，池化核大小分别对应 1x1、2x2、3x3、6x6 的全局平均池化，然后上采样拼回特征图。# pspnet.py 中 PPM 模块示意 import torch import torch.nn as nn import torch.nn.functional as F class PPM(nn.Module): def __init__(self, in_dim, reduction_dim, bins): super(PPM, self).__init__() self.features = [] for bin_size in bins: self.features.append(nn.Sequential( nn.AdaptiveAvgPool2d(bin_size), nn.Conv2d(in_dim, reduction_dim, 1), nn.BatchNorm2d(reduction_dim), nn.ReLU(inplace=True) )) self.features = nn.ModuleList(self.features) def forward(self, x): x_size = x.size() out = [x] for f in self.features: out.append(F.interpolate(f(x), x_size[2:], mode='bilinear', align_corners=True)) return torch.cat(out, 1)bins通常设成[1, 2, 3, 6]，reduction_dim是每个分支降到的通道数，一般是in_dim // 4。F.interpolate把池化后的小特征图拉回原尺寸再拼接。这里align_corners=True在 PyTorch 里会影响上采样对齐，分割任务里建议统一设成 True，不然拼接时会有半个像素的偏移，小目标边缘容易糊。3.2 DeepLabV3+ 的空洞卷积与解码器deeplabv3_plus.py比 PSPNet 多了一个解码器分支。编码器用空洞卷积（Atrous Convolution）扩大感受野，不丢分辨率；解码器把浅层特征和深层特征融合，恢复边界细节。遥感地物边界往往比较规则，比如农田的田埂、水体的岸线，解码器对这类边界提升明显。# deeplabv3_plus.py 中 ASPP 与解码器融合示意 class ASPP(nn.Module): def __init__(self, in_dim, out_dim, rates): super(ASPP, self).__init__() self.branches = nn.ModuleList() for r in rates: self.branches.append(nn.Sequential( nn.Conv2d(in_dim, out_dim, 3, padding=r, dilation=r), nn.BatchNorm2d(out_dim), nn.ReLU(inplace=True) )) def forward(self, x): return torch.cat([b(x) for b in self.branches], dim=1) class Decoder(nn.Module): def __init__(self, low_dim, high_dim, num_classes): super(Decoder, self).__init__() self.low_proj = nn.Conv2d(low_dim, 48, 1) self.fuse = nn.Sequential( nn.Conv2d(48 + high_dim, 256, 3, padding=1), nn.BatchNorm2d(256), nn.ReLU(inplace=True), nn.Conv2d(256, num_classes, 1) ) def forward(self, low, high): low = self.low_proj(low) high = F.interpolate(high, low.shape[2:], mode='bilinear', align_corners=True) return self.fuse(torch.cat([low, high], dim=1))rates一般设[6, 12, 18]，对应不同空洞率。low_dim是骨干网络浅层输出通道数，high_dim是 ASPP 输出通道数。解码器先把浅层特征降到 48 通道，再和上采样后的深层特征拼接，最后过两层卷积出类别预测。这里 48 是个经验值，来自原论文，显存紧张时可以降到 32。3.3 模型注册与切换seg_zoo.py把上面这些网络统一管理起来，训练脚本通过字符串名字就能切换模型。这种设计在课程设计里很实用，因为要对比不同网络的效果，改一个参数就能换模型，不用动训练代码。# seg_zoo.py 模型注册示意 from nets.pspnet import PSPNet from nets.deeplabv3 import DeepLabV3 from nets.deeplabv3_plus import DeepLabV3Plus MODEL_ZOO = { 'pspnet': PSPNet, 'deeplabv3': DeepLabV3, 'deeplabv3_plus': DeepLabV3Plus, } def build_model(name, num_classes, **kwargs): if name not in MODEL_ZOO: raise ValueError(f'未知模型: {name}') return MODEL_ZOO[name](num_classes=num_classes, **kwargs)num_classes是国土分类的类别数，比如水体、建筑、植被、裸地、道路五类就传 5。kwargs可以透传骨干网络类型、是否用预训练权重等参数。训练脚本里写model = build_model('pspnet', num_classes=5)就能拿到模型实例。4. 训练与推理：deecamp_train.py 的完整流程4.1 训练入口的参数组织deecamp_train.py是主训练脚本，从日志文件pspnet.log和deeplab_v3.log能看出至少跑过 PSPNet 和 DeepLabV3 两组实验。训练脚本一般用 argparse 组织参数，包括数据路径、模型名、学习率、batch size、epoch 数、是否用预训练权重等。# 典型训练命令 python deecamp_train.py \ --model pspnet \ --data_root ./data \ --num_classes 5 \ --batch_size 8 \ --lr 0.001 \ --epochs 50 \ --crop_size 256 \ --pretrained--crop_size 256要和预处理时的裁剪大小一致，--pretrained表示加载 ImageNet 预训练骨干权重。遥感数据量通常不大，从预训练权重起步能明显加快收敛，这是血泪经验，从零训很容易卡在低精度。4.2 损失函数与评估指标国土分类里类别不平衡很常见，水体可能占 60%，建筑只占 5%。直接用交叉熵会让模型偏向多数类。常见做法是加类别权重，或者用 Dice Loss 和交叉熵组合。# 损失函数组合示意 import torch.nn as nn class CombinedLoss(nn.Module): def __init__(self, class_weights=None): super(CombinedLoss, self).__init__() self.ce = nn.CrossEntropyLoss(weight=class_weights) def forward(self, pred, target): ce_loss = self.ce(pred, target) # Dice Loss 计算 pred_soft = torch.softmax(pred, dim=1) target_onehot = torch.nn.functional.one_hot(target, pred.shape[1]).permute(0, 3, 1, 2).float() intersection = (pred_soft * target_onehot).sum(dim=(2, 3)) union = pred_soft.sum(dim=(2, 3)) + target_onehot.sum(dim=(2, 3)) dice_loss = 1 - (2 * intersection + 1e-6) / (union + 1e-6) return ce_loss + dice_loss.mean()class_weights可以按类别频率的倒数来设，频率低的类权重高。Dice Loss 直接优化重叠度，对小目标更友好。评估指标一般看 mIoU 和各类 IoU，训练日志里应该记录了这些值。4.3 推理与结果拼接推理时把大图裁成小块送进网络，再把预测结果拼回原尺寸。重叠区域可以取平均或者投票，减少拼接缝。# 滑窗推理拼接示意 def sliding_inference(model, img, size=256, stride=128, num_classes=5): model.eval() _, C, H, W = img.shape prob_map = torch.zeros((num_classes, H, W), device=img.device) count_map = torch.zeros((1, H, W), device=img.device) for y in range(0, H - size + 1, stride): for x in range(0, W - size + 1, stride): patch = img[:, :, y:y+size, x:x+size] with torch.no_grad(): out = torch.softmax(model(patch), dim=1) prob_map[:, y:y+size, x:x+size] += out[0] count_map[:, y:y+size, x:x+size] += 1 prob_map /= count_map.clamp(min=1) return prob_map.argmax(dim=0)stride小于size就有重叠，count_map记录每个像素被预测了几次，最后取平均。这样比不重叠裁剪的边缘效果好很多，代价是推理时间增加。5. 避坑与排查：遥感分割项目里最容易翻车的几件事5.1 图像和标签对不上现象：训练 loss 一直不降，或者预测结果全是某一类。原因：数据增强时图像和标签用了不同的随机变换，或者裁剪时坐标没同步。解决：写一个同时接收 img 和 label 的 transform 函数，所有几何变换用同一组随机参数。我一般会在 Dataset 里先固定随机种子，再对 img 和 label 做同样的翻转和裁剪。5.2 波段顺序和归一化搞错现象：模型在验证集上表现正常，换一批数据就崩。原因：不同来源的遥感影像波段顺序可能不一样，有的按 RGB 排，有的按波长排；归一化方式不统一也会导致分布偏移。解决：在preprocess.py里明确记录波段顺序，归一化参数（均值、标准差）保存成配置文件，推理时加载同一份配置。别偷懒用img / 255，遥感影像的数值范围不一定是 0 到 255。5.3 显存不够导致 batch size 只能设 1现象：训练时 OOM，只能把 batch size 降到 1，训练极不稳定。原因：遥感图块尺寸大，PSPNet 和 DeepLabV3+ 的 PPM/ASPP 模块又吃显存。解决：先用小 crop size 跑通，比如 128；或者用梯度累积模拟大 batch；还可以把骨干网络从 ResNet101 换成 ResNet50。如果显存实在紧张，混合精度训练能省不少。5.4 类别不平衡导致小类被忽略现象：mIoU 看着还行，但建筑、道路这些小类的 IoU 接近 0。原因：交叉熵被多数类主导。解决：加类别权重，或者用 Focal Loss、Dice Loss。另外评估时别只看总体精度，要打印每一类的 IoU，不然小类全预测错也发现不了。5.5 推理拼接出现网格状伪影现象：大图推理结果有明显的方块边界。原因：滑窗裁剪时没有重叠，或者重叠区域直接覆盖而不是平均。解决：设置stride小于size，重叠区域用概率平均或投票。如果还有伪影，检查上采样时align_corners是否一致，训练和推理要统一。6. 二次开发：换数据、换网络、加类别的实操思路拿到这个项目后，最直接的改造是换成自己的遥感数据。把data/目录里的说明文件替换成你的影像和标签，标签要是单通道的类别索引图，像素值 0 到 N-1 对应不同地类。然后改preprocess.py里的波段读取和归一化参数，跑一遍预处理生成图块。如果类别数变了，训练命令里的--num_classes要同步改，损失函数的class_weights也要重新算。换网络更简单，seg_zoo.py里已经注册了三个模型，训练时改--model参数就行。想加新网络，比如 UNet 或者 SegFormer，在nets/下新建文件，然后在seg_zoo.py的MODEL_ZOO字典里加一行注册。注意新网络的输入输出接口要和现有训练脚本对齐，输入是(B, C, H, W)，输出是(B, num_classes, H, W)。加类别的话，除了改num_classes，还要检查标签生成脚本。如果原来只分了五类，现在要加一类“园地”，得在标签图里把对应像素值改成新的索引，并确保预处理时没有把这类过滤掉。类别权重也要重新统计，不然新类可能因为样本少被忽略。验证改造是否成功，我一般会先跑一个极小的子集，比如 20 张图，看 loss 能不能降下去，再跑全量。训练日志里重点看每一类的 IoU，如果某一类一直是 0，大概率是标签映射错了。推理时拿几张训练集里的图先过一遍，确认预测结果和标签大致对得上，再上验证集。从那以后我每次换数据集，都强制先跑一遍可视化检查：随机抽几张图，把原图、标签、预测结果并排画出来看。这一步能省掉后面很多排查时间。希望帮到你。本文还有配套的精品资源，点击获取
简介：这份资源是面向计算机相关专业学生与项目实战学习者的课程设计/期末大作业源码包，主题为基于图像分割的卫星遥感图像国土分类。项目采用Python实现，涵盖数据预处理、模型构建与训练等完整流程，涉及PSPNet、DeepLabV3、DeepLabV3+等主流分割网络，适合作为图像分割与遥感分类方向的学习范例。压缩包共12个文件，以8个py源码文件为核心，另含2个log训练日志、1个txt说明与1张png展示图，整体约2.49MB，结构紧凑、便于快速浏览与二次开发。资源已通过严格调试，下载后可直接运行，省去环境搭建与排错成本。目前已有159人学习下载，读者可从中获取完整的项目目录组织、分割模型实现代码、训练日志参考以及数据加载与预处理脚本，帮助理解遥感图像国土分类的技术路线与工程落地方式，适合用于课程设计参考、大作业复现及项目实战练习。1. 遥感图像国土分类项目：从像素到地类的完整工程链路拿到一份卫星遥感影像，怎么让机器自动告诉你哪片是水体、哪片是建筑、哪片是植被？这个课程设计项目干的就是这件事。它用 Python 搭了一套基于图像分割的国土分类流程，核心是把遥感影像按像素打上地类标签，而不是简单给整张图贴一个类别。项目里包含了预处理脚本、数据加载模块、PSPNet 和 DeepLabV3+ 等分割网络实现，还有训练日志和展示海报，结构上已经是一个能跑通的小型工程。适合正在做课程设计、期末大作业的计算机相关专业学生，也适合想拿一个真实遥感场景练手分割模型的开发者。遥感数据本身有保密限制，项目里放了说明文件，但代码框架和网络结构是完整的，换成自己的数据就能跑。2. 项目结构拆解：从 preprocess 到 seg_zoo 的模块分工2.1 目录层级与文件职责先把压缩包解开，根目录下能看到这些关键文件：preprocess.py和preprocess_water.py负责数据预处理，data_load.py管数据读取和增强，nets/目录下放着seg_zoo.py、pspnet.py、deeplabv3.py、deeplabv3_plus.py四个网络定义文件，deecamp_train.py是训练入口，pspnet.log和deeplab_v3.log是跑过的训练日志，data/目录里有一个说明文件解释为什么没有放原始遥感数据，另外还有 26 组 poster 展示图。这种结构在课程设计里算比较规范的，把数据、模型、训练脚本分开了。nets/seg_zoo.py像是一个模型仓库的入口，里面大概率用字典或工厂函数把不同分割网络注册进去，训练脚本通过名字就能拿到对应的模型类。我一般做类似项目也会这么干，好处是加新网络时不用改训练主逻辑，只在seg_zoo.py里注册一下就行。2.2 预处理脚本的分工逻辑preprocess.py和preprocess_water.py分开写，说明水体这一类可能做了特殊处理。遥感影像里水体在近红外波段反射率很低，用 NDWI 指数能比较干净地提取出来，单独写一个脚本可能是为了先做水体掩膜或者生成水体标签。常见做法是：preprocess.py做通用的大气校正、裁剪、归一化，preprocess_water.py专门算 NDWI 并生成水体二值图，后面训练时把水体作为一个独立类别或者先验信息用。# preprocess.py 典型结构示意 import numpy as np from osgeo import gdal def read_tif(path): """读取遥感 tif，返回数组和地理变换参数""" ds = gdal.Open(path) img = ds.ReadAsArray() # 形状 (bands, H, W) geo = ds.GetGeoTransform() return img, geo def normalize(img): """按波段做 min-max 归一化，避免量纲差异""" img = img.astype(np.float32) for i in range(img.shape[0]): band = img[i] img[i] = (band - band.min()) / (band.max() - band.min() + 1e-8) return img def crop_patches(img, size=256, stride=128): """滑窗裁剪成小图块，方便送进分割网络""" patches = [] _, H, W = img.shape for y in range(0, H - size + 1, stride): for x in range(0, W - size + 1, stride): patches.append(img[:, y:y+size, x:x+size]) return np.stack(patches)这段代码里read_tif用 GDAL 读多波段遥感图，normalize按波段归一化，crop_patches做滑窗裁剪。参数size=256是送入网络的图块大小，stride=128控制重叠度，重叠一半能减少边缘拼接的割裂感。如果显存够，可以把size提到 512，但 batch size 要相应降下来。2.3 数据加载与增强data_load.py一般会继承 PyTorch 的Dataset类，实现__getitem__和__len__。遥感数据增强和自然图像不太一样，翻转、旋转可以用，但颜色抖动要谨慎，因为波段反射率是有物理意义的。常见做法是只做几何增强，加上随机裁剪和归一化。# data_load.py 核心逻辑示意 import torch from torch.utils.data import Dataset import numpy as np class SegDataset(Dataset): def __init__(self, img_list, label_list, transform=None): self.img_list = img_list self.label_list = label_list self.transform = transform def __getitem__(self, idx): img = np.load(self.img_list[idx]) # (C, H, W) label = np.load(self.label_list[idx]) # (H, W) if self.transform: img, label = self.transform(img, label) return torch.from_numpy(img).float(), torch.from_numpy(label).long() def __len__(self): return len(self.img_list)这里img是浮点型，label转成long是因为交叉熵损失要求标签是整数类别。transform如果要做同步几何变换，得自己写一个同时处理 img 和 label 的函数，不能直接用 torchvision 的单图变换，否则图像和标签会对不上，这是分割任务里很容易翻车的地方。3. 分割网络选型：PSPNet 与 DeepLabV3+ 的实现差异3.1 PSPNet 的金字塔池化模块pspnet.py里的核心是金字塔池化模块（PPM）。遥感影像里地物尺度差异大，一片水体可能占半张图，一栋建筑只有几十个像素，PPM 用不同大小的池化核去抓多尺度上下文，正好对路。典型实现是四个分支，池化核大小分别对应 1x1、2x2、3x3、6x6 的全局平均池化，然后上采样拼回特征图。# pspnet.py 中 PPM 模块示意 import torch import torch.nn as nn import torch.nn.functional as F class PPM(nn.Module): def __init__(self, in_dim, reduction_dim, bins): super(PPM, self).__init__() self.features = [] for bin_size in bins: self.features.append(nn.Sequential( nn.AdaptiveAvgPool2d(bin_size), nn.Conv2d(in_dim, reduction_dim, 1), nn.BatchNorm2d(reduction_dim), nn.ReLU(inplace=True) )) self.features = nn.ModuleList(self.features) def forward(self, x): x_size = x.size() out = [x] for f in self.features: out.append(F.interpolate(f(x), x_size[2:], mode='bilinear', align_corners=True)) return torch.cat(out, 1)bins通常设成[1, 2, 3, 6]，reduction_dim是每个分支降到的通道数，一般是in_dim // 4。F.interpolate把池化后的小特征图拉回原尺寸再拼接。这里align_corners=True在 PyTorch 里会影响上采样对齐，分割任务里建议统一设成 True，不然拼接时会有半个像素的偏移，小目标边缘容易糊。3.2 DeepLabV3+ 的空洞卷积与解码器deeplabv3_plus.py比 PSPNet 多了一个解码器分支。编码器用空洞卷积（Atrous Convolution）扩大感受野，不丢分辨率；解码器把浅层特征和深层特征融合，恢复边界细节。遥感地物边界往往比较规则，比如农田的田埂、水体的岸线，解码器对这类边界提升明显。# deeplabv3_plus.py 中 ASPP 与解码器融合示意 class ASPP(nn.Module): def __init__(self, in_dim, out_dim, rates): super(ASPP, self).__init__() self.branches = nn.ModuleList() for r in rates: self.branches.append(nn.Sequential( nn.Conv2d(in_dim, out_dim, 3, padding=r, dilation=r), nn.BatchNorm2d(out_dim), nn.ReLU(inplace=True) )) def forward(self, x): return torch.cat([b(x) for b in self.branches], dim=1) class Decoder(nn.Module): def __init__(self, low_dim, high_dim, num_classes): super(Decoder, self).__init__() self.low_proj = nn.Conv2d(low_dim, 48, 1) self.fuse = nn.Sequential( nn.Conv2d(48 + high_dim, 256, 3, padding=1), nn.BatchNorm2d(256), nn.ReLU(inplace=True), nn.Conv2d(256, num_classes, 1) ) def forward(self, low, high): low = self.low_proj(low) high = F.interpolate(high, low.shape[2:], mode='bilinear', align_corners=True) return self.fuse(torch.cat([low, high], dim=1))rates一般设[6, 12, 18]，对应不同空洞率。low_dim是骨干网络浅层输出通道数，high_dim是 ASPP 输出通道数。解码器先把浅层特征降到 48 通道，再和上采样后的深层特征拼接，最后过两层卷积出类别预测。这里 48 是个经验值，来自原论文，显存紧张时可以降到 32。3.3 模型注册与切换seg_zoo.py把上面这些网络统一管理起来，训练脚本通过字符串名字就能切换模型。这种设计在课程设计里很实用，因为要对比不同网络的效果，改一个参数就能换模型，不用动训练代码。# seg_zoo.py 模型注册示意 from nets.pspnet import PSPNet from nets.deeplabv3 import DeepLabV3 from nets.deeplabv3_plus import DeepLabV3Plus MODEL_ZOO = { 'pspnet': PSPNet, 'deeplabv3': DeepLabV3, 'deeplabv3_plus': DeepLabV3Plus, } def build_model(name, num_classes, **kwargs): if name not in MODEL_ZOO: raise ValueError(f'未知模型: {name}') return MODEL_ZOO[name](num_classes=num_classes, **kwargs)num_classes是国土分类的类别数，比如水体、建筑、植被、裸地、道路五类就传 5。kwargs可以透传骨干网络类型、是否用预训练权重等参数。训练脚本里写model = build_model('pspnet', num_classes=5)就能拿到模型实例。4. 训练与推理：deecamp_train.py 的完整流程4.1 训练入口的参数组织deecamp_train.py是主训练脚本，从日志文件pspnet.log和deeplab_v3.log能看出至少跑过 PSPNet 和 DeepLabV3 两组实验。训练脚本一般用 argparse 组织参数，包括数据路径、模型名、学习率、batch size、epoch 数、是否用预训练权重等。# 典型训练命令 python deecamp_train.py \ --model pspnet \ --data_root ./data \ --num_classes 5 \ --batch_size 8 \ --lr 0.001 \ --epochs 50 \ --crop_size 256 \ --pretrained--crop_size 256要和预处理时的裁剪大小一致，--pretrained表示加载 ImageNet 预训练骨干权重。遥感数据量通常不大，从预训练权重起步能明显加快收敛，这是血泪经验，从零训很容易卡在低精度。4.2 损失函数与评估指标国土分类里类别不平衡很常见，水体可能占 60%，建筑只占 5%。直接用交叉熵会让模型偏向多数类。常见做法是加类别权重，或者用 Dice Loss 和交叉熵组合。# 损失函数组合示意 import torch.nn as nn class CombinedLoss(nn.Module): def __init__(self, class_weights=None): super(CombinedLoss, self).__init__() self.ce = nn.CrossEntropyLoss(weight=class_weights) def forward(self, pred, target): ce_loss = self.ce(pred, target) # Dice Loss 计算 pred_soft = torch.softmax(pred, dim=1) target_onehot = torch.nn.functional.one_hot(target, pred.shape[1]).permute(0, 3, 1, 2).float() intersection = (pred_soft * target_onehot).sum(dim=(2, 3)) union = pred_soft.sum(dim=(2, 3)) + target_onehot.sum(dim=(2, 3)) dice_loss = 1 - (2 * intersection + 1e-6) / (union + 1e-6) return ce_loss + dice_loss.mean()class_weights可以按类别频率的倒数来设，频率低的类权重高。Dice Loss 直接优化重叠度，对小目标更友好。评估指标一般看 mIoU 和各类 IoU，训练日志里应该记录了这些值。4.3 推理与结果拼接推理时把大图裁成小块送进网络，再把预测结果拼回原尺寸。重叠区域可以取平均或者投票，减少拼接缝。# 滑窗推理拼接示意 def sliding_inference(model, img, size=256, stride=128, num_classes=5): model.eval() _, C, H, W = img.shape prob_map = torch.zeros((num_classes, H, W), device=img.device) count_map = torch.zeros((1, H, W), device=img.device) for y in range(0, H - size + 1, stride): for x in range(0, W - size + 1, stride): patch = img[:, :, y:y+size, x:x+size] with torch.no_grad(): out = torch.softmax(model(patch), dim=1) prob_map[:, y:y+size, x:x+size] += out[0] count_map[:, y:y+size, x:x+size] += 1 prob_map /= count_map.clamp(min=1) return prob_map.argmax(dim=0)stride小于size就有重叠，count_map记录每个像素被预测了几次，最后取平均。这样比不重叠裁剪的边缘效果好很多，代价是推理时间增加。5. 避坑与排查：遥感分割项目里最容易翻车的几件事5.1 图像和标签对不上现象：训练 loss 一直不降，或者预测结果全是某一类。原因：数据增强时图像和标签用了不同的随机变换，或者裁剪时坐标没同步。解决：写一个同时接收 img 和 label 的 transform 函数，所有几何变换用同一组随机参数。我一般会在 Dataset 里先固定随机种子，再对 img 和 label 做同样的翻转和裁剪。5.2 波段顺序和归一化搞错现象：模型在验证集上表现正常，换一批数据就崩。原因：不同来源的遥感影像波段顺序可能不一样，有的按 RGB 排，有的按波长排；归一化方式不统一也会导致分布偏移。解决：在preprocess.py里明确记录波段顺序，归一化参数（均值、标准差）保存成配置文件，推理时加载同一份配置。别偷懒用img / 255，遥感影像的数值范围不一定是 0 到 255。5.3 显存不够导致 batch size 只能设 1现象：训练时 OOM，只能把 batch size 降到 1，训练极不稳定。原因：遥感图块尺寸大，PSPNet 和 DeepLabV3+ 的 PPM/ASPP 模块又吃显存。解决：先用小 crop size 跑通，比如 128；或者用梯度累积模拟大 batch；还可以把骨干网络从 ResNet101 换成 ResNet50。如果显存实在紧张，混合精度训练能省不少。5.4 类别不平衡导致小类被忽略现象：mIoU 看着还行，但建筑、道路这些小类的 IoU 接近 0。原因：交叉熵被多数类主导。解决：加类别权重，或者用 Focal Loss、Dice Loss。另外评估时别只看总体精度，要打印每一类的 IoU，不然小类全预测错也发现不了。5.5 推理拼接出现网格状伪影现象：大图推理结果有明显的方块边界。原因：滑窗裁剪时没有重叠，或者重叠区域直接覆盖而不是平均。解决：设置stride小于size，重叠区域用概率平均或投票。如果还有伪影，检查上采样时align_corners是否一致，训练和推理要统一。6. 二次开发：换数据、换网络、加类别的实操思路拿到这个项目后，最直接的改造是换成自己的遥感数据。把data/目录里的说明文件替换成你的影像和标签，标签要是单通道的类别索引图，像素值 0 到 N-1 对应不同地类。然后改preprocess.py里的波段读取和归一化参数，跑一遍预处理生成图块。如果类别数变了，训练命令里的--num_classes要同步改，损失函数的class_weights也要重新算。换网络更简单，seg_zoo.py里已经注册了三个模型，训练时改--model参数就行。想加新网络，比如 UNet 或者 SegFormer，在nets/下新建文件，然后在seg_zoo.py的MODEL_ZOO字典里加一行注册。注意新网络的输入输出接口要和现有训练脚本对齐，输入是(B, C, H, W)，输出是(B, num_classes, H, W)。加类别的话，除了改num_classes，还要检查标签生成脚本。如果原来只分了五类，现在要加一类“园地”，得在标签图里把对应像素值改成新的索引，并确保预处理时没有把这类过滤掉。类别权重也要重新统计，不然新类可能因为样本少被忽略。验证改造是否成功，我一般会先跑一个极小的子集，比如 20 张图，看 loss 能不能降下去，再跑全量。训练日志里重点看每一类的 IoU，如果某一类一直是 0，大概率是标签映射错了。推理时拿几张训练集里的图先过一遍，确认预测结果和标签大致对得上，再上验证集。从那以后我每次换数据集，都强制先跑一遍可视化检查：随机抽几张图，把原图、标签、预测结果并排画出来看。这一步能省掉后面很多排查时间。希望帮到你。本文还有配套的精品资源，点击获取