遥感图像建筑物检测AI模型制作教程

27 Nov 2023

buildingdetection,remotesensing,pytorch,maskrcnn,tif,gda2tiles

遥感图像中的建筑物检测是一项具有重要应用价值的研究课题。现有的图像特征识别模型在一般的图像检测方面取得了较好的效果，但在遥感图像中存在一定的局限性。

GeoTIFF 是一种常用的遥感图像格式，它以像素为单位存储地表的图像数据。GeoTIFF 图像通常具有较高的分辨率，这使得检测其中的建筑物具有一定的挑战性。

本文将介绍如何做出一个可用于检测 GeoTIFF 中所有建筑物的 AI 模型。

数据集准备

训练模型的第一步需要准备训练和测试用的数据集。在图像特征检测领域中，比较常用的数据集是 Coco 数据集，所以我们也将使用 Coco 这种格式的数据集。

有两种方法可以准备数据集：

1. 使用现有的数据集

一个可用的现有数据集是 AiCrowd 的 Mapping Challenge 中提供的数据集。该数据集包含了该数据集包含了 280741 张训练图像和 60317 张验证图像。

下载地址: https://www.aicrowd.com/challenges/mapping-challenge/dataset_files

2. 使用 GeoTIFF 文件制作数据集

如果您想使用自己的 GeoTIFF 文件制作数据集，可以使用 gdal2tiles 工具将 GeoTIFF 文件分割成小图片。

步骤 1：安装 gdal

在 Linux 中，您可以使用以下命令安装 gdal2tiles：

sudo apt-get install gdal-bin

步骤 2：将 GeoTIFF 文件分割成小图片

使用以下命令将 GeoTIFF 文件分割成小图片：

gdal2tiles demo.tif

这将生成一个名为 demo 的目录，其中包含了分割后的图片。

├── 17
├── 18
│   ├── 216364
│   │   ├── 159390.png
│   │   ├── 159394.png
│   │   └── 159405.png
├── 19
├── googlemaps.html
├── leaflet.html
├── openlayers.html
└── tilemapresource.xml

我们将使用ZOOM为18的图片

步骤 3：使用 coco-annotator 标注图片

下载 coco-annotator 并启动, https://github.com/jsbroks/coco-annotator

然后，创建一个名为 Buildings 的数据集。将 demo/18/下所有图片复制到 Buildings 数据集的目录中。

在 coco-annotator 中，打开 Buildings 数据集。然后，使用鼠标标注每个建筑物的位置。

步骤 4：下载 annotation 文件

标注完图片后，可以使用 coco-annotator 下载 annotation 文件。

模型选择

我们将使用 Mask R-CNN 模型进行训练。 Mask R-CNN 是一种用于目标检测和分割的卷积神经网络。它具有较好的检测性能，并且可以生成建筑物的边界框和掩码。

模型训练

在本文中，我们使用 PyTorch 框架进行训练

训练过程部分代码如下：

加载数据集

dataset = datasets.CocoDetection(
    '/path/to/coco-annotator/datasets/Buildings/',
    '/path/to/Buildings-1.json',
    transforms=get_transform(True)
)
dataset = datasets.wrap_dataset_for_transforms_v2(
    dataset,
    target_keys=("boxes", "labels", "masks","image_id", "area", "iscrowd")
)

选择优化器和学习率

 params = [p for p in model.parameters() if p.requires_grad]
 optimizer = torch.optim.SGD(
     params,
     lr=1e-3,
     momentum=0.9,
     weight_decay=0.0005
 )  
lr_scheduler = torch.optim.lr_scheduler.LinearLR(
    optimizer,
    start_factor = 1e-3,
    total_iters = len(dataset_train) - 1,
    verbose=False
)

模型评估

模型训练完成后，需要对模型进行评估。我们将使用 CocoEval 工具进行评估。

未来工作

在本文中，我们介绍了如何训练一个用于检测 GeoTIFF 中所有建筑物的 AI 模型。但是，该模型仍有一定的改进空间。

附录

合并Tiles结果为一张图片

如果想要把一个GEOTIF文件的所有TILES图合并为一张图片, 可以参考以下代码:

grid = torchvision.utils.make_grid(res, cols, 0)
torchvision.utils.save_image(grid, 'output.png')

在两张GeoTIFF中寻找不同的建筑物

如何在两张TIF中寻找不同的建筑物, 如新建的房屋, 已经拆除的房屋等

先找出图片中建筑物
使用IOU算法排除同一个位置的建筑物
标记出剩下的建筑物