二、GeoLabel重大更新，基于已有解译成果的一键式遥感样本批量生成与转换（测试版）

1. 为什么要做这个功能

      GeoLabel已有功能（截至V1.1.4）都建立在人工选取样本点的基础上（时序样本标注除外），即：首先人工选取适合作为样本的区域，用一个坐标点标识，用坐标点外扩一定范围，生成样本影像，再人工对该样本影像进行标注。

       通过相关资料收集，我们发现实际应用中存在一键式遥感样本生成的需求，主要来源于以下三个方面：

1. 全样本学习是后续遥感AI的一个可能发展方向，即，将所有人工解译的数据都作为样本进入训练，通过算法本身解决标注不够精准的问题。
2. 对于目标检测，其标注没有像分割样本要求那么高，可以基于已有参考资料统一生成样本。
3. 对于图像分类，其不一定要人工确定类别，其类别信息也可以从已有解译矢量中通过相关统计分析而来，也可以实现批量生成。

        基于以上分析，尝试做了下一键式样本批量生成功能，并在GeoLabel 1.2.0版本首先测试集成（还需要两个版本的升级完善）。

2. 整体设计

    整个功能在一个界面中实现，支持几乎能想到的所有的标注类型。界面配置介绍如下：

    1）支持标记数据为栅格或者矢量

       有些情况，我们手上可能只有标记数据的栅格，没有矢量数据，系统支持输入的标记数据可以为栅格，也可以是矢量。

    2）支持只在掩膜内生成

       我们拿到的标记矢量可能很大，我们只想用其中的一部分（比如某个行政区范围内），那么我们可以导入该范围矢量，则只生成完全位于该矢量内的样本。

    3）支持只在有效标记区域内生成

       很多情况下，标注是稀疏的，即不是全覆盖的。如果我们按照一定步长去遍历，势必会生成非常多的负样本，这可能不是我们想要的。此时，我们可以选择只在有效标记区域内生成，可以避免该问题。

    4） 支持设置样本尺寸和滑窗步长

       如果输入标记为栅格，只支持无差别固定尺寸遍历，无法以要素为中心生成样本。样本尺寸和滑窗步长是需要设置的参数。

    5） 支持将分割标记转化为图片分类样本

       我们导入的标记数据（不管是栅格还是矢量），一般都是地类解译（或变化检测）成果，系统支持将这种标记转化为分类样本，具体包括：①按众数分类；②按中心像元值分类；③按像元最大值分类几种方案。

    6）支持以要素为中心的生成模式

       如果输入的标记数据为矢量数据，除了无差别固定尺寸遍历，还支持以要素为中心的样本生成模式，具体包括：①矢量要素外包矩形中心外扩国定尺寸；②矢量要素外包矩形全部范围，尺寸不固定；③矢量要素主要区域，大小不固定。

    7）支持字段映射

       这点跟已有的基于历史数据样本生成类似，支持将标记数据值映射为标准的分类体系格式，而无需提前人工转换。

    8）支持分割、分类、目标检测、变化检测样本生成

       上述已经提到了分割、分类、目标检测类样本的生成，同时也支持变化检测样本的生成，只需增加后时相影像即可。

图 1 功能界面

3. 使用方法

       无需新建项目，点击“高级-批量处理-生成样本”弹出设置界面，按照界面指示，分别完成数据源、参数、生成模式、字段映射、输出位置的设置，点击“开始生成”即可。

图2 使用方法

 4. 过程与成果展示

 4.1 分割和目标检测类

 图 3 分割/检测配置

 图 4 分割/检测过程

 图 5 分割/检测结果

 4.2 影像分类

图 6 分类生成过程

 图 7 分类生成结果

 4.3 变化检测

 图 8 变化检测生成过程

 图 9 变化检测生成结果

       基本功能已定型，还需要进一步的测试和优化，如对批量生成的样本导入软件中进行检查筛选功能等，欢迎试用及提出宝贵意见！ 

       软件下载地址：

链接：https://pan.baidu.com/s/1SCNrNbIsdKEGNUq2o6cYQw 
提取码：abcd