基于深度学习的整景遥感影像语义分割推理方法(Python+Torch)

一、遥感影像推理时的两个问题

1.1、影像过大

随着分辨率的提高，整景遥感影像存储量也变大。由于计算机性能的限制(内存与GPU显存)，在使用深度学习模型进行推理预测时，模型无法一次读入，需要分块将数据读入内存处理。

2.1、分块导致缝隙

将分块的数据输入模型进行推理后，相邻区块得到的结果直接拼接后会出现缝隙，一个原因是模型的精度不够高，另一个原因是池化层在处理边界像素时，会进行补0操作，模型的卷积层越多，补0操作越多，会导致边界预测不准。

二、叠加窗口

2.1、读取数据

每次从大图像中读取一定窗口(512x512)大小的数据，依次水平滑动窗口读取数据，相邻窗口之间有一定的重叠度(256)。

2.2、写入推理结果

写入推理结果时，由于相邻两块之间有重叠，重叠部分选择哪个区块推理的结果是个问题，这里我们考虑池化的补0操作会导致边界预测精度较低的情况，以左右相邻两个区块为例，将重叠区域从中间二等分，左侧区域使用左边区块预测的结果，右