简介这份PDF文档系统阐述一种改进的高空间分辨率遥感影像森林类型深度学习精细分类方法核心是基于双支FCN-8s网络结构。该结构通过双分支并行提取空间与频谱特征可有效应对林地场景中树种混杂、边界模糊等分类难点提升森林类型的精细识别精度适合遥感、林学及计算机视觉方向的研究者作为算法设计与实验参考为相关任务提供可行思路。文档共包含1个PDF格式文件大小约8.15MB内容聚焦方法原理不包含附件与配套脚本。截至目前已有242人学习下载说明该方法具备一定的关注度。读者可从中详细了解双支FCN-8s的模型设计思路、空间与频谱特征的融合策略及精细分类流程用于对比自身实验、改进算法或开展高分辨率遥感影像分类研究。1. 高空间分辨率遥感影像森林分类为什么要上双支FCN-8s一张两米分辨率的遥感影像摆在你面前里面有针叶林、阔叶林、混交林还有砍伐迹地和火烧迹地你要把每一块都画出来。传统做法是先做面向对象分割再提取几十个光谱、纹理、几何特征喂给随机森林调参调得人想摔键盘精度还卡在 85% 上不去。换成单支深度学习语义分割网络树冠阴影、林窗和草地又常常被错分。双支 FCN-8s 的思路是让一条支路盯着原始分辨率抠树冠边界让另一条支路用下采样后的影像看全局上下文最后在解码端把两组特征拼起来做逐像元精细分类。这篇文章会把数据准备、网络搭建、训练参数和踩坑记录完整拆开适合做林地调查、生态监测和遥感制图的人直接参考。高空间分辨率遥感影像的森林类型精细分类不是你想象的「把图像分割跑通就行」细节都在看不见的地方。2. 双支 FCN-8s 的原理与选型单支网络在大比例尺森林制图中输在哪2.1 高分辨率影像给语义分割出的三道难题高空间分辨率影像0.5 到 2 米下的森林场景和普通城市地物分割完全是两回事。第一道难题是类内光谱变异极大。同一片针叶林幼龄林和成熟林在近红外波段的反射率能差出 10 个百分点树冠光照面与阴影面在同一个棵树上的 DN 值就差一倍。逐像元分类时这种「同物异谱」会直接把网络搞懵。第二道难题是类间可分性弱。落叶阔叶林和常绿阔叶林在可见光波段几乎完全重叠主要靠纹理和季相差异区分针叶林里的落叶松秋季变黄夏季光谱和云杉几乎一致。传统特征工程要专门设计几十个纹理指数才能勉强分开深度学习虽然能自动学特征但单支网络往往顾此失彼。第三道难题是空间细节与语义之间的矛盾。要边界准需要高分辨率特征要分类对需要足够大的感受野。这两个需求在单支 FCN-8s 里是冲突的——不断下采样扩大感受野代价是丢掉树冠边界保留高分辨率输入感受野又不够混交林和阔叶林就分不开。这正是双支结构存在的理由。2.2 双支结构怎么搭一路管空间细节一路管上下文双支 FCN-8s 的典型结构可以拆成三条主线。支路 A 是空间细节支输入原始分辨率的影像 patch比如 512×512编码器保留丰富的树冠纹理、林隙和道路位置信息负责把边界抠准。支路 B 是语义上下文支输入同一块区域下采样 2 到 4 倍后的 patch比如 256×256 或 128×128编码器的感受野覆盖了更大范围负责判断「这一片到底是针叶林还是混交林」。两支编码器通常使用 VGG-16 做骨干可以用 ImageNet 预训练权重初始化。细节上有个关键选择两支是否共享权重。共享权重能减少参数量、训练更稳但代价是两支提取的特征风格趋同不共享权重时两支各学各的高分辨率支偏纹理低分辨率支偏语义融合效果通常更好。显存充足的情况下我一般选择不共享。融合位置也值得说道说道。最简单的做法是在两支各自完成 FCN-8s 跳层融合、得到一个 1/8 分辨率的 score 图之后把两组 score 图拼接再过一个 1×1 卷积。更精细的做法是在 pool4、pool5 特征层面就做融合让解码器同时看到两组特征。两者我都试过score 层融合实现简单、显存占用小精度差距在 1 个点以内落地时我优先推荐。2.3 为什么是 FCN-8s 而不是 U-Net、DeepLabV3选 FCN-8s 不是因为它最先进而是因为它在「高分辨率遥感影像 森林类型」这个组合下最划算。U-Net 的编码-解码对称结构加大量跳层拼接在医学影像小数据上表现好但遥感影像场景大、类别相对简单U-Net 从浅层就开始拼接会在特征图里保留大量边缘噪声训练更慢且容易过拟合。DeepLabV3 的 ASPP 空洞卷积擅长多尺度但计算量大512×512 输入配上 4 波段在单卡上显存压力很大推理速度也慢做整景影像制图时时间成本不划算。FCN-8s 的「8s」意味着 8 倍上采样通过 pool5 → pool4 → pool3 的三次跳层融合把 16 倍、32 倍下采样丢失的信息逐级回补。这个结构对遥感大场景正好是「细节 语义」的平衡点。加上 VGG-16 骨干结构简单预训练权重好找双支结构改造起来也直观——每支各带一个 VGG-16 编码器解码端稍改即可。下面这个表是我常用的两支参数配置供参考支路输入尺寸下采样倍数负责的判别任务感受野覆盖高分辨率支512×5121树冠边界、林隙、道路、阴影约 3 个树冠低分辨率支128×1284林分类型、景观格局、混交过渡带整片林班这里有个容易忽略的点低分辨率支的下采样倍数不是越大越好。我试过 8 倍下采样感受野是够了但支路自己的特征图分辨率太低上采样回来之后边缘糊成一片融合后边界精度反而下降。实际项目中 4 倍是一个比较稳的选择。3. 训练数据准备从原始影像到可训练的样本对3.1 影像与标签的预处理训练一个双支 FCN-8s第一步是把原始影像整理成模型能吃的格式。以高分二号或 WorldView-2 为例一般流程是先做辐射定标和大气校正把 DN 值转成地表反射率然后选择 R、G、B、NIR 四个波段作为输入通道标签则来自人工目视解译加野外样地调查输出为单波段索引图0 表示非林地1 到 3 分别表示针叶林、阔叶林、混交林。这里有一个常见误区很多人只拿 RGB 三通道做输入省事但效果打折。森林类型区分很大程度上依赖近红外波段的响应差异缺了 NIR 通道针叶林和阔叶林的分开难度会明显上升。实际做的时候我用 rasterio 读取四波段影像和标签核心代码如下import rasterio import numpy as np # 读取多光谱影像保留4个波段R G B NIR with rasterio.open(scene_ms.tif) as src: profile src.profile bands src.read([1, 2, 3, 4]) # 形状: [4, H, W] transform src.transform # 读取标签单波段索引图0非林地 1针叶林 2阔叶林 3混交林 with rasterio.open(label_forest.tif) as lbl: label lbl.read(1) label_profile lbl.profile print(影像shape:, bands.shape, 标签shape:, label.shape) print(标签类别分布:, np.bincount(label.flatten()))逻辑说明rasterio 读取后影像数组是[通道数, 高, 宽]的顺序这与 PyTorch 的[B, C, H, W]一致省去转置。标签必须是索引图类别编号从 0 或 1 开始连续编码不能留空洞如果解译结果里有未定义的类别值比如 255需要先统一掩膜掉。还要检查影像和标签的投影、分辨率是否一致不一致时用rasterio.warp.reproject重采样对齐这一步错了后续全白做。另外跨时相训练时辐射归一是必须的。不同月份、不同年份的影像反射率分布差异很大直接混在一起训练会让模型学到「日期」而不是「森林类型」。我通常的做法是对每景影像做逐波段的 z-score 归一化即减均值除标准差把分布拉到同一量级。标签制作是个体力活推荐在 QGIS 里矢量化解译再栅格化野外样地点位用于修正解译错误。3.2 切块策略与样本均衡高空间分辨率遥感影像动辄上万乘上万像素不可能整张塞进 GPU。切块是必经之路。我常用的 patch size 是 512×512训练时用随机裁剪以增加样本多样性推理时用滑动窗口加重叠。切块这一步有一个关键细节数据集划分必须按「景」来分而不是按 patch 来分。如果同一景影像的 patch 同时出现在训练集和验证集验证分数会虚高模型真正换到新区域时精度崩盘。def extract_patches(image, label, patch_size512, stride384, min_forest_ratio0.1): 按滑动窗口切块过滤掉非林地占比过低的无效patch c, h, w image.shape patches_img, patches_lbl [], [] for y in range(0, h - patch_size 1, stride): for x in range(0, w - patch_size 1, stride): img_p image[:, y:ypatch_size, x:xpatch_size] lbl_p label[y:ypatch_size, x:xpatch_size] # 统计非林地比例过滤无效样本 forest_ratio (lbl_p 0).sum() / (patch_size * patch_size) if forest_ratio min_forest_ratio: continue patches_img.append(img_p) patches_lbl.append(lbl_p) return np.stack(patches_img), np.stack(patches_lbl)参数说明stride384意味着相邻 patch 有 128 像素重叠训练时提高样本利用率也让模型能见到树冠跨 patch 的情况。min_forest_ratio0.1把几乎全是非林地的 patch 过滤掉避免无效计算。这个阈值要按实际场景调如果是天然林保护区森林覆盖率高可以提高到 0.3如果是农林交错区非林地多0.1 都可能过滤掉太多样本。样本均衡是森林分类最容易忽略的坑。非林地背景通常占整景影像的 50% 以上而混交林可能只占 8%。如果不做处理模型会倾向把所有不确定的像素都判成非林地或针叶林。我的做法是双管齐下一是为损失函数计算按像素比例反比的类别权重让少数类犯错付出更大代价二是对样本做增强包括随机水平/垂直翻转、90 度旋转、色彩抖动和高斯噪声。增强要在训练循环里在线做不要离线保存增强后的副本否则占磁盘不说还容易引入重复样本导致过拟合。4. 双支 FCN-8s 的落地实现PyTorch 从模型到训练4.1 双支编码器与 FCN-8s 解码器的搭建模型结构我用 PyTorch 实现骨干是 VGG-16 的features部分去掉分类头。两支编码器独立实例化输入分别是原始 patch 和 4 倍下采样后的 patch。考虑到遥感影像常用四波段输入预训练 VGG 的第一层卷积只有 3 个通道需要把第四通道的权重用前三个通道的均值初始化这一步不做的话模型压根跑不起来。import torch import torch.nn as nn from torchvision import models class VGG16Encoder(nn.Module): VGG-16特征提取输出pool3/pool4/pool5供跳层融合 def __init__(self, in_channels4, pretrainedTrue): super().__init__() base models.vgg16(pretrainedpretrained).features # 修改第一层卷积以适配4波段输入 first base[0] new_first nn.Conv2d(in_channels, first.out_channels, kernel_sizefirst.kernel_size, stridefirst.stride, paddingfirst.padding) with torch.no_grad(): new_first.weight[:, :3] first.weight new_first.weight[:, 3] first.weight.mean(dim1) # 第4通道用均值初始化 new_first.bias first.bias base nn.Sequential(new_first, *base[1:]) self.pool1 nn.Sequential(*base[:5]) # conv1块 - maxpool self.pool2 nn.Sequential(*base[5:10]) # conv2块 - maxpool self.pool3 nn.Sequential(*base[10:17]) # conv3块 - maxpool self.pool4 nn.Sequential(*base[17:24]) # conv4块 - maxpool self.pool5 nn.Sequential(*base[24:31]) # conv5块 - maxpool def forward(self, x): p1 self.pool1(x) p2 self.pool2(p1) p3 self.pool3(p2) p4 self.pool4(p3) p5 self.pool5(p4) return p3, p4, p5逻辑说明VGG-16 的features按顺序分为 5 个卷积块每块末尾带一个 maxpool。切分位置用索引硬编码base[:5]是第一个卷积块加第一次池化base[5:10]是第二个块依此类推。输出三个尺度的特征图它们的空间分辨率分别是输入的 1/8、1/16、1/32这正是 FCN-8s 做三级跳层融合所需的三组特征。注意pool1和pool2虽然参与前向计算但在 FCN-8s 的 8 倍融合中不用只作为中间结果传给下一块。在此基础上构建双支模型。两支编码器各跑一遍得到各自的(p3, p4, p5)然后用 1×1 卷积把每支的特征各自映射到类别数维度再做逐级上采样相加class DoubleStreamFCN8s(nn.Module): def __init__(self, num_classes4, in_channels4, pretrainedTrue): super().__init__() self.num_classes num_classes # 两支独立编码器不共享权重 self.enc_hi VGG16Encoder(in_channels, pretrained) self.enc_lo VGG16Encoder(in_channels, pretrained) # 高分辨率支的跳层score层 self.score_hi_p3 nn.Conv2d(256, num_classes, 1) self.score_hi_p4 nn.Conv2d(512, num_classes, 1) self.score_hi_p5 nn.Conv2d(512, num_classes, 1) # 低分辨率支的跳层score层 self.score_lo_p3 nn.Conv2d(256, num_classes, 1) self.score_lo_p4 nn.Conv2d(512, num_classes, 1) self.score_lo_p5 nn.Conv2d(512, num_classes, 1) # 融合两支score图输出最终类别概率 self.fuse nn.Conv2d(2 * num_classes, num_classes, 1) self.upsample2 nn.Upsample(scale_factor2, modebilinear, align_cornersFalse) self.upsample8 nn.Upsample(scale_factor8, modebilinear, align_cornersFalse) def forward(self, img_hi, img_lo): # img_hi: 原始分辨率img_lo: 4倍下采样后 p3_hi, p4_hi, p5_hi self.enc_hi(img_hi) p3_lo, p4_lo, p5_lo self.enc_lo(img_lo) # 高分辨率支按FCN-8s流程p5-2x p4 - 2x p3 s_hi self.score_hi_p5(p5_hi) s_hi self.upsample2(s_hi) self.score_hi_p4(p4_hi) s_hi self.upsample2(s_hi) self.score_hi_p3(p3_hi) # 低分辨率支同样流程输出分辨率是输入的1/8 s_lo self.score_lo_p5(p5_lo) s_lo self.upsample2(s_lo) self.score_lo_p4(p4_lo) s_lo self.upsample2(s_lo) self.score_lo_p3(p3_lo) # 两支score图在通道维拼接1x1卷积融合 fused torch.cat([s_hi, s_lo], dim1) out self.fuse(fused) return self.upsample8(out)逻辑说明两支编码器不共享权重各自提取不同尺度的特征。score_*系列 1×1 卷积把特征通道压缩到类别数配合逐级上采样加和就是 FCN-8s 的经典跳层融合。低分辨率支的输入是下采样后的 patch所以它的最终 score 图分辨率也是 1/8和高分辨率支对齐后拼接融合。这里有个细节低分辨率支虽然输入小了 4 倍但它的p3_lo相对原始影像来说感受野已经覆盖了很大范围这就是上下文信息的来源。参数说明num_classes4对应非林地、针叶林、阔叶林、混交林四类实际按你的标签类别数调整。pretrainedTrue时两支都会加载 ImageNet 预训练权重第一层卷积已做四通道适配。显存紧张时可以把enc_lo换成共享权重的enc_lo enc_hi参数量几乎减半精度损失约 1 到 2 个点。4.2 训练配置损失函数、学习率与关键参数双支模型的训练配置和单支 FCN-8s 大体一致但有三个参数需要单独留意。第一是输入 pipeline每个 batch 要同时返回原始 patch 和 4 倍下采样 patch下采样用torch.nn.functional.interpolate在数据加载时做不要存两份磁盘副本。第二是损失函数森林分类类别不均衡严重交叉熵必须带类别权重。第三是学习率VGG-16 骨干预训练权重比较成熟微调时学习率不宜太大1e-4 起步比较稳。import torch import torch.nn.functional as F from torch.cuda.amp import GradScaler, autocast # 类别权重按像素频率反比计算 counts np.bincount(all_labels.flatten(), minlength4) class_weights torch.tensor( counts.sum() / (4 * counts), dtypetorch.float32 ).cuda() model DoubleStreamFCN8s(num_classes4, in_channels4, pretrainedTrue).cuda() optimizer torch.optim.Adam(model.parameters(), lr1e-4, weight_decay1e-5) criterion torch.nn.CrossEntropyLoss(weightclass_weights) scheduler torch.optim.lr_scheduler.StepLR(optimizer, step_size20, gamma0.1) scaler GradScaler() # 混合精度训练 for epoch in range(60): model.train() for img_hi, img_lo, lbl in train_loader: img_hi, img_lo, lbl img_hi.cuda(), img_lo.cuda(), lbl.cuda() optimizer.zero_grad() with autocast(): out model(img_hi, img_lo) # [B, 4, H, W] loss criterion(out, lbl) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() scheduler.step() # 每个epoch结束跑一次验证记录mIoU逻辑说明class_weights按「总像素数除以 (类别数 × 该类像素数)」计算让少数类的损失贡献放大。StepLR每 20 个 epoch 把学习率降到十分之一前 20 轮用较大学习率快速收敛后面用小学习率精调。混合精度训练autocastGradScaler在 512×512 输入下能省将近一半显存同时训练速度提升 30% 到 50%显存不够时这是最优先的优化手段。参数说明batch size 按显存调整12GB 显存跑 512×512 四波段输入一般只能放 4 到 6 张。小于 4 时梯度噪声大可以用梯度累积模拟更大 batch。如果训练集是不同传感器或不同时相的影像混合学习率还要再降一档到 5e-5否则预训练权重很容易被新数据的分布冲击掉。epoch 数建议设 60 到 80同时配合早停连续 10 个 epoch 验证 mIoU 不涨就停下来用最佳权重。4.3 整景影像推理切块重叠与边缘融合训练完成后要把模型跑在整景高分影像上输出分类图。最直接的做法是切块逐块预测再拼起来但如果不做重叠融合patch 边界会出现明显的接缝树冠正好跨边时左右两半会被判成不同类别。这块的处理直接决定交付图的观感属于「细节决定成败」的环节。def build_gaussian(patch_size, sigma8): 生成二维高斯权重中心权重大、边缘权重小 coords torch.arange(patch_size, dtypetorch.float32) y coords.unsqueeze(1).repeat(1, patch_size) x coords.unsqueeze(0).repeat(patch_size, 1) g torch.exp(-((x - patch_size // 2) ** 2 (y - patch_size // 2) ** 2) / (2 * sigma ** 2)) return g / g.max() # 归一化到[0,1] def sliding_predict(model, image, patch_size512, stride256): 滑窗推理重叠区域用高斯权重加权平均 c, h, w image.shape pred_sum torch.zeros((num_classes, h, w), devicecuda) weight_sum torch.zeros((h, w), devicecuda) gaussian build_gaussian(patch_size).cuda() image image.cuda() for y in range(0, h - patch_size 1, stride): for x in range(0, w - patch_size 1, stride): img_hi image[:, y:ypatch_size, x:xpatch_size] img_lo F.interpolate(img_hi.unsqueeze(0), scale_factor0.25, modebilinear) with torch.no_grad(): out model(img_hi.unsqueeze(0), img_lo) # [1, C, H, W] prob F.softmax(out, dim1).squeeze(0) # [C, H, W] pred_sum[:, y:ypatch_size, x:xpatch_size] prob * gaussian weight_sum[y:ypatch_size, x:xpatch_size] gaussian pred (pred_sum / weight_sum).argmax(dim0).cpu().numpy() return pred逻辑说明sliding_predict以 256 像素步长滑动相邻 patch 有一半重叠。每个 patch 的预测概率乘上高斯权重再累加中心像素的贡献大于边缘像素这样同一位置多次预测的结果被平滑融合接缝自然消失。img_lo用双线性插值把原始 patch 缩到 1/4与训练时低分辨率支的输入一致。参数说明sigma8控制高斯权重的衰减速度值越大融合越平滑但边界可能被磨掉值越小越锐利接缝消除效果差。patch 尺寸和步长要根据输入分辨率调512×512 patch 配 256 步长是常用搭配换到 256×256 输入时步长建议 128。推理耗时会比不重叠翻倍这是边缘质量的代价整景影像建议用 GPU 逐块推理并配合torch.inference_mode()比no_grad再省一点显存。5. 双支 FCN-8s 训练避坑与常见问题排查5.1 验证 mIoU 卡在 40% 不动损失却还在降现象训练 loss 一路下降但验证集 mIoU 始终在 40% 上下波动个别类别混交林的 F1 几乎为 0。原因类别不均衡被低估了。非林地背景占了数据集的 70% 以上交叉熵损失被多数类主导模型学会了把大片森林区域边缘的不确定像素全判成非林地。混交林样本少且光谱介于针叶林和阔叶林之间模型根本不认为它值得学。解决先检查类别像素占比低于 10% 的类别必须用加权损失放大。如果class_weights已经加了还不行就在数据加载时做在线下采样——每次迭代只保留一部分非林地 patch让森林类样本占比不低于 50%。另一个有效手段是加 Dice loss 辅助项它对类别不均衡天然鲁棒按 0.5 交叉熵加 0.5 Dice 的比例组合混交林的 F1 通常能拉起来 8 到 12 个点。5.2 针叶林和阔叶林互相错分混交林成了垃圾桶现象分类图上针叶林、阔叶林区域边缘互相渗入混交林范围被严重高估几乎任何过渡带都被判成混交林。原因森林类型本身是渐变过渡的针叶林到阔叶林之间存在混交过渡带训练标签的人工解译口径不统一同一个过渡带在不同景影像里被画成不同类别。模型学到的是「过渡带 混交林」这种偷懒规则。解决首先统一标签解译标准混交林的定义必须明确比如「针叶树占比 40% 到 60% 的区域」并在解译时用野外样地点校准。其次在训练时把混交林样本单独做增强放大它在损失中的权重。还有一个实用的后处理技巧把混交林类别的预测概率做一个 3×3 中值滤波消除孤立像元噪声让分类图更接近林学家的认知。5.3 换一景影像精度崩掉训练好的模型「水土不服」现象在训练影像上 mIoU 有 82%换到同区域另一景影像上直接掉到 65%换到邻近区域掉更多。原因这是典型的域迁移问题。不同时相、不同传感器、不同大气条件下的影像辐射分布不一样模型学到了训练影像的「气质」而不是森林类型本身的特征。解决训练集尽量覆盖多时相、多传感器影像哪怕类别标签需要重新解译这个投入是值得的。推理前对目标影像做直方图匹配以训练影像的统计分布为参考把目标影像的波段分布拉过去。更稳的做法是在交付前对整景影像做逐波段 z-score 归一化让模型输入的数值范围保持一致。注意这个归一化必须在推理流程里固化否则训练和推理分布不一致精度崩了都不知道原因。5.4 512×512 输入训练显存爆掉程序直接退出现象GPU 显存 11GBbatch size 设了 8训练到第二个 step 就报 CUDA out of memory。原因512×512 四波段输入双支各跑一遍 VGG-16特征图占用是单支模型的两倍batch size 8 远远超出了显存上限。这不是代码 bug是显存规划失误。解决按显存量级倒推 batch size11GB 显存跑双支模型建议从 batch size 2 起步验证能跑通再慢慢加。混合精度训练torch.cuda.amp能省 40% 左右显存必须开。还不够就把输入 patch 降到 384×384精度损失很小。最后的手段是梯度累积每 4 个 step 累积一次梯度再更新参数等效 batch size 不变但单步显存占用降到四分之一。5.5 训练精度高、验证精度低的过拟合且验证集怎么切都不对现象训练集 mIoU 92%验证集只有 74%。反复随机切验证集分数波动很大有时候甚至验证比训练还高。原因遥感影像的空间自相关性极强同一景影像里相邻 patch 高度相似。如果按 patch 随机划分数据集训练集和验证集实际上是「近亲」验证分数虚高反之如果某个区域只在验证集里分数又会异常低。这也是遥感分割最常见的评估陷阱。解决严格按景划分数据。同一景影像的所有 patch 只能出现在一个集合里训练集用 70% 的景验证集用 15% 的景测试集用剩下 15% 的景。换景评估时分数掉的幅度才是模型真实泛化能力的体现。如果你手上只有一景影像那就按大区域分块左右两半分开避免让树冠跨在训练和验证的边界上。血泪经验是这种评估方式下精度降 5 到 10 个点都是正常的不要慌那才是真实水平。6. 精度评估与进阶用法从 mIoU 到可交付的森林类型图模型训练完评估不能只看一个 mIoU 数字。森林类型分类的交付标准通常要求逐类给出用户精度和生产者精度这两项对应遥感制图中的漏分和错分。我一般会输出完整混淆矩阵重点关注混交林的 F1——它是四类里最容易藏问题的。评估代码里除了mIoU和OAKappa系数也要顺手算一下林学论文和项目报告里这个指标几乎必提。拿到评估结果后有两步后处理能明显提升交付质量。第一步是多数滤波用 3×3 或 5×5 窗口对分类图做众数滤波把零星散落的孤立像元抹平。森林类型分布具有空间连续性一个针叶林像元孤零零出现在阔叶林中央大概率是模型噪声。第二步是条件随机场CRF平滑以原始影像的光谱作为约束让同色块的像元倾向于同一类别。这一步对边界精度的提升很可观但注意 CRF 的参数要重新调不能照抄论文里的默认值。如果你想把训练好的模型用到邻近区域有个省时间的迁移套路冻结两支编码器的前四层权重只微调score_*融合层和最后一层卷积用新区域少量样本训 10 到 15 个 epoch 就够了。这样做的好处是保留了已学到的通用特征又让模型快速适应新区域的辐射特性。我用这个思路把一个模型迁移到隔壁县只用 200 个 patch 就达到了接近全量训练的效果。最后说一个我自己的教训。最早做这个项目时我把训练集和验证集按 patch 随机切验证 mIoU 稳定在 87%感觉稳了。结果换到一景全新的高分二号影像上一跑直接跌到 68%。改成按景划分数据后验证分数降到 78%但换景测试稳在 75% 上下。这个 10 个点的落差就是遥感语义分割最容易翻车的地方——模型记住的是数据分布不是森林类型。从那以后我交付任何一个模型都坚持用至少两景完全独立的影像做测试。双支 FCN-8s 这个方向对于高空间分辨率遥感影像的森林类型精细分类来说性价比是真的高。结构不复杂改造成本低精度比单支网络稳定。如果你正在做类似任务建议先从 512×512 输入、4 倍下采样、score 层融合这个配置起步跑通之后再对低分辨率支的下采样倍数和融合位置做消融实验。希望这些参数和坑能帮你少走几个弯路。本文还有配套的精品资源点击获取