一、GeoLabel：全网最好用的遥感样本标注软件

最新推荐文章于 2023-02-19 13:34:02 发布

智能的人工

最新推荐文章于 2023-02-19 13:34:02 发布

阅读量5k

点赞数 7

分类专栏： GeoLabel软件

本文链接：https://blog.csdn.net/julinfn/article/details/117904467

版权

GeoLabel软件专栏收录该内容

16 篇文章 63 订阅

订阅专栏

1 说在前面

笔者做了7年遥感应用相关的工作，以主要负责人角色做过数据生产、编辑终端软件开发（包括基于ESRI体系和开源体系）、自动解译算法研发（包括传统机器学习和深度学习）、研发管理、新数据产品设计与研发、遥感行业解决方案设计与研发，参与过若干个863计划和国家重点研发计划项目，客串过航天摄影测量系统研发，偶尔充当售前和项目经理，还做过公司管理，所谓的事业部经理、产品总监、运营总监等，基本把所有工种都做过了一遍。

做了这么多事情，了解得最深入的还是遥感解译这块（从需求到解决方案），在解译技术上亲身参与了基于传统机器学习像元级分类、对象级分类，时序影像分析，以及基于深度学习的分割、检测、识别。见证了AI遥感从突然兴起到逐渐恢复理性的全过程，行业内成功的案例有，但失败的案例更多，认为根本区别还是在于以下三点：1）是长期主义还是暴发户式崛起；2）是贴近用户实际需求还是炫耀技术能力；3）是专注于解决具体问题还是始终说不清能干什么。

相比于码农，笔者更愿意将自己定义为遥感应用领域的老油条：一个方面较为精通，行业内其他领域也都略懂，也大都亲身参与，笔者环顾四周，有类似经历的人好像没有，偶尔自豪（啥都干过），偶尔又有种悲凉（35岁好像越来越近了，财务自由目标越来越远了）。

以后不管会具体从事什么职业做什么工种，应该不会继续码太多代码了，但偶尔想（犯）了（贱），还是想再码一码，那码什么好呢？人工智能这块更新换代快，几天不跟，就跟不上形势了；航天摄影测量好像也没啥普遍需求，不精通，也太烧脑；还是做个小工具软件吧，后面，有想法就加点新功能，顺带做个几年，搞不好也能做成一个有人愿意用的软件。做哪一块的工具呢？解译最熟悉，当然还是做解译，就先从数据打标签和样本分析做起吧！随着技术的发展，有些功能可能已经没有用处了。那，so what？哎，就是玩儿。这已经是少数感兴趣的技术领域之一了。

2 GeoLabel是什么

都知道，当前的人工智能有多智能，背后就有多少人工，这个人工很大程度指的就是数据标注（现在还是不是这样，没做过调研）。在实际业务中，如何减少数据标注的时间消耗其实是个很重要的课题。GeoLabel在遥感影像标注上做了一些简单的工作，可以提升标注的效率和标准化程度，并可辅助建立企业级的标准样本库，支撑大规模应用。

对于遥感影像标注，当前也有一些工具，但是都是站在研发的角度来写的，非常笨重，不易部署，且功能单一，与通用的标注工具（labelImg、labelme等）无异。我们知道，模型的泛化能力是一个算法模型是否实用最重要的指标之一，而对于遥感影像来说，模型的泛化主要就体现在：区域（地形地貌）的适应性、时相的适应性、传感器特性的适应性、色彩风格的适应性等。如果抛弃这些遥感影像特有的特征，而仅仅将其作为普通图像问题处理，很难做好遥感方面的算法模型。GeoLabel提供了遥感数据标注全流程的解决方案，为每个样本保留了时相、分辨率、传感器、影像源、空间坐标等信息，为大规模标准样本库建立提供了条件。

GeoLabel本身是一个小型的GIS软件，具备丰富的编辑功能（稍加改造就可形成一个便捷易用的轻量级桌面端GIS软件），同时，针对数据标注做了大量的定制，可以满足各种类型的样本标注工作，如：地物提取、边界提取、变化检测、目标检测、时序分类等。如果说还有什么有特色的地方，都是很小的点，如假入没有遥感影像，支持直接从网络公开地图（如百度、高德、谷歌等）上生成样本影像，而无需将网络底图影像先下载下来；如果已经有矢量解译成果了，可以直接基于矢量成果和影像生成样本成果（提供矢量成果标签与样本标签的自动转换）；提供一般工具不会提供的时序分析工具（支持像元级和对象级的分析）；变化检测标记支持卷帘和双视图同时使用；提供了规范的分类体系，也可以自定义分类体系；提供了针对样本的快捷渲染样式，等等。

3 GeoLabel能干什么

GeoLabel可以做几乎所有遥感AI应用的数据标注工作。实际上，GeoLabel能做的事远远不止于样本标注。本文中，只对部分功能进行介绍。

3.1 单期分割、检测类标注

目标分割、边缘检测、变化检测、目标识别的流程类似，主要包括：

3.1.1 新建项目

点击“工程”-“新建”，弹出创建工程对话框，进行参数设置，点击“确定”，完成项目创建。

3.1.2 数据加载

加载样本的影像源，主要支持两种：

① 遥感影像（如融合影像、镶嵌影像、航片等）

② 地图服务（如公开网络底图，百度、高度、谷歌等，也可以是自己发的地图服务）

对于基于已有矢量成果数据生成样本，还需要导入成果矢量。

3.1.3 样本选点

在相应的“分割”（或者分类、变化检测、目标检测）选项卡，设定目标影像（如果是服务图层，还需要设置分辨率，也就是影像级别）和样本影像的尺寸，点击“启动选样”，即自动生成样本点图层。

点击“样本选点”按钮，启动样本选点。鼠标移动过程中，会实时动态显示样本块范围，且随视图缩放自动调整大小。

另外，针对现实过程中样本影像源可能来源于多个数据的情况，样本选点时可以为不同样本设置不同的影像源。下图就分别从影像和高德地图上选了样本点。

3.1.4 样本生成

样本点选择完成之后，可点击“样本生成”按钮，开始裁切样本影像。在工作空间的image目录生成了相应的影像块。

3.1.5 样本标绘

点击“启动标绘”，出现样本标绘控制窗口。

样本标绘控制窗口集成了丰富的样本编辑控制功能。包括快捷属性赋值、快捷渲染、样本状态标记（标记完成打上勾）等，与编辑工具配合使用，可以快速标准化地完成样本标绘和质检。通过上一个、下一个按钮（也可通过向上箭头、向下箭头快捷键）一键加载下一个样本（包括影像和矢量）并移除当前样本，并自动完成渲染。通过标记完成、回退按钮将当前样本标记完成和去除样本的完成标记。通过勾选“概览”，可以在画布中看到工程中所有的样本。