AI Earth——AI模型训练(实例分割、目标检测、地物识别(原目标提取)、地物分类、通用变化检测、多分类变化检测):如何正确的进行样本点标注和高清卫星底图接入服务?

训练功能概览

概览页包含各个功能入口和相关数据统计,数据统计内容为当前标注项目数量、样本集数量、模型训练次数、模型总数。

image.png

进行样本标注

通过创建标注项目和项目内部的相关标注任务,实例分割、目标检测、地物识别(原目标提取)、地物分类、通用变化检测、多分类变化检测等算法类型的样本数据标注,支持自定义标签体系,标注项目可直接导入样本库生成数据集。

标注项目

标注项目列表

对标注项目进行管理,包括查看标注项目详情、修改项目名称、删除项目、新建属于此标注项目的标注任务。可通过项目名称、标注类型、创建时间筛选标注项目。 

image.png

新建标注项目

点击标注项目列表页右上角新建标注项目按钮,开始新建标注项目,创建时需要确认项目名称、标注类型、标签体系和数据切片尺寸。 系统内置与预置部署模型相匹配的标签体系,同时支持自定义标签体系及其色号,对于目标提取类,自定义标签仅允许创建一个标签,对于地物分类和多分类变化检测,自定义标签数量限制为80个。

  • 标注类型分为以下六类:
    • 目标检测: 支持设定单标签/多标签,通过旋转矩形框框选目标进行标注,适用于目标检测算法训练。
    • 实例分割: 支持设定单标签/多标签,通过多边形沿目标边缘进行标注,对地物进行属性分类标注,相同标签属性的地物目标区分每个个例,适用于实例分割算法训练。
    • 地物识别(原目标提取): 只包含一个标签,适用于单地物识别的语义分割算法训练。
    • 地物分类: 支持设定单标签/多标签,对地物进行属性分类标注,适用于语义分割算法训练。
    • 通用变化检测: 通过单标签对变化区域进行标注,适用于语义分割算法训练。
    • 多分变化检测: 通过多标签对变化区域进行分类标注,适用于语义分割算法训练。

image.png

标注项目详情

在标注项目列表页,点击标注项目详情按钮,弹出标注项目详情页面,可以查看标注类型、标签体系、切片尺寸等信息,支持修改项目名称。 

image.png

修改项目标签体系

对于自定义标签体系的标注项目,支持修改标签体系,调整标签名称或补充/删减标签类目。修改标签体系需谨慎操作,标签修改后将对所有标注任务/切片生效更新,所有已完成的标注任务/切片将重新置为进行中,您需要重新确认切片标注状态。此外,删除标签将同步移除该标注项目所有任务中对应标签的已标图斑,且不可恢复。 

image.png

 请注意,系统模型训练环节,对于同一模型的所有版本,所需训练数据必须保持相同的切片尺寸和标签体系(标签名称、标签顺序、标签色号),请谨慎修改标签体系。通常标签体系修改后,创建的数据集可以用于新的自建模型训练,而不一定适用于已有模型的迭代训练。

对于地物分类、多分类变化检测,标签体系默认包含背景、待定两项,其中背景标签无需标注(切片未标注区域将自动视为背景,参与模型训练),待定标签为存疑区域(可进行标注,标注区域将不参与模型训练),这两个默认标签不可删除,除此之外还需要至少保留一个自定义类目标签。

标注任务

标注任务列表

点击标注项目卡片,进入此项目内的标注任务列表。对标注任务进行管理,包括执行标注、修改任务名称、删除任务。可通过任务名称、任务状态、创建时间筛选标注任务。 标注任务状态包括创建中、创建异常、未开始、标注中(A/B/C)、已完成(A/B/C),其中(A/B/C)

  • 10
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
遥感是利用航空器、卫星等遥感平台获取地面信息的技术。下面是一些遥感理论基础和常见的遥感图像处理算法: 1. 可见光遥感:可见光遥感利用可见光波段(通常是蓝、绿、红)的电磁辐射来获取地物信息。常用的处理算法包括图像增强、色彩校正和图像分类等。 2. 红外遥感:红外遥感利用地物在红外波段的辐射特性来获取信息。常见的红外图像处理算法包括温度计算、热检测和火灾监测等。 3. 高光谱遥感:高光谱遥感利用具有连续光谱分辨率的传感器获取大量波段的光谱信息。常见的高光谱图像处理算法包括光谱特征提取、无监督分类和混合像元分解等。 4. SAR(合成孔径雷达)遥感:SAR利用雷达波束扫描地物并接收回波信号,获取地物的散射特性信息。常见的SAR图像处理算法包括滤波、极化特征提取地物分类等。 目标检测地物分类是遥感图像处理中的重要任务。目标检测识别算法可以识别和定位图像中的感兴趣目标,常见的算法包括基于深度学习的目标检测网络(如Faster R-CNN、YOLO等)和传统的基于特征提取分类器的方法(如Haar特征和SVM分类器)。 地物分类算法用于将遥感图像中的像素分为不同的地物类别,常见的算法包括基于像元的分类方法(如最大似然分类器、支持向量机等)和基于对象的分类方法(如基于分割的分类方法)。 以上是对遥感理论基础和常见算法的简要介绍,希望能对你有所帮助。如果你有更详细的问题或者需要了解更多内容,请告诉我。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值