比赛总结：2020 CCF BDCI遥感影像地块分割

前言

近期在实验室老师的推荐下开始了我的第一次比赛经历，由于课题与遥感影像相关，所以选择参加遥感影像地块分割（其实是数据集很有诱惑力嘻嘻），下面就这次比赛的过程和经验做个分享总结。

赛题介绍

遥感影像地块分割，旨在对遥感影像进行像素级内容分析，对遥感影像中感兴趣的类别进行提取和分类（说白了就是语义分割任务，只是对象是遥感图像）。

本次比赛分类的类别有七类，具体包括建筑、耕地、林地、水体、道路、草地和其他等七类。

训练数据集：包含140,000张分辨率为2m/pixel，尺寸为256*256的JPG图片。
A/B测试集：包含相同来源的1w/2w张测试图片。
评测阶段是使用A测试集进行实时排名，最终成绩按B测试集成绩为准，这种评测形式设计特别不错（听说DataFountain平台的比赛都是这种形式）。
由于这个赛题是百度的自主赛题，所以要求只能使用百度的深度学习框架PaddlePaddle，不能使用大家都熟知的TF和Pytorch框架。这次还使用了Paddle的分割套件PaddleSeg，着实感觉真香，所以在这里安利一下我们的国产AI框架（给百度打打广告嘻嘻）。

初赛阶段

评测指标

初赛阶段的评价指标比较简单，使用语义分割的黄金指标，平均交并比miou（具体概念不多叙述）。

数据和难点分析

从训练数据的类别占比上明显看出类别不均衡问题，如建筑、道路和草地这三类，所以如何改善类别不均衡问题是一大难点。

类别	标签	占比 %
建筑	0	2.79
耕地	1	50.87
林地	2