遥感影像智能解译落地框架：从原始TIFF到业务报表的闭环流水线

简介本资源是全国人工智能大赛中AI遥感影像智能分析与应用平台项目的完整技术实现包面向遥感图像处理、计算机视觉方向的高校学生、科研人员及算法工程师聚焦多源遥感影像的地物分类、目标检测、语义分割与变化检测四大核心任务。压缩包共15个文件含11个Python脚本覆盖数据增强、模型训练、预测可视化等全流程、1个H5模型权重文件、1个README说明文档、1个Word附赠资源文档及1个TXT说明文件整体27.55MB结构清晰、模块解耦便于快速复现与二次开发。已有50人学习下载资源提供基于U-Net、ResNet50、MobileNet等主流架构的遥感解译代码框架包含高分辨率卫星与无人机影像适配的预处理逻辑、训练日志与验证指标并附带可直接运行的predict_show.py可视化脚本与get_train_txt.py数据集生成工具显著降低遥感AI项目落地门槛。1. 这不是又一个“遥感AI”Demo它是一套能跑通从原始影像到业务报表的闭环解译流水线你手头有一批高分一号、高分二号、PlanetScope 或大疆无人机拍回来的 TIFF/PNG 影像分辨率在 0.5–2 米之间覆盖农田、道路、建筑、水体、裸地五类典型地物但标注靠人工画框目视判读三天标不完一张 10000×10000 像素图你试过用 Detectron2 跑 YOLOv5 检测电线杆结果漏检率 37%误报一堆阴影你也调过 SegFormer 做语义分割但农田边界糊成一片连灌溉渠都分不清是水还是路。这不是模型不行——是你缺一套带工程约束的遥感智能解译落地框架。这个 ZIP 包就是它一个完整封装的 AI 遥感影像智能分析平台内含可复现的训练 pipeline、预置适配国产卫星波段的 DataModule、支持多源影像对齐的时空配准模块、以及直接导出 GeoJSON 统计报表的后处理链。它不讲论文指标只解决三个硬问题怎么让模型在 8bit 伪彩色影像上不崩、怎么把分割结果反算成亩产估算值、怎么让变化检测结果能被县自然资源局 Excel 表格直接引用。适合遥感地信专业做毕设/竞赛、地方测绘院做试点验证、农业遥感团队快速搭原型——尤其当你已经踩过“数据增强毁掉 NDVI 特征”“GPU 显存爆在 DataLoader 阶段”“GeoTIFF 坐标系错位导致矢量偏移 200 米”这类坑时这套东西能省你两周调试时间。2. 从原始影像到训练数据集为什么必须重写 DataLoader 而不是直接套用 torchvision遥感影像和自然图像的根本差异不在分辨率而在光谱维度、动态范围、几何畸变与坐标系统。这个平台没用 torchvision.transforms而是用rsdl.data下自研的MultiSourceDataset类它强制处理四类关键问题波段顺序校准、辐射定标归一化、地理空间对齐、以及标签掩膜的拓扑保持。下面拆解它的核心设计逻辑和实操步骤。2.1 波段顺序与辐射定标为什么你的 NDVI 计算总出错遥感影像常以 BGR、RGB、NIR-R-G-B 或自定义波段顺序存储如 GF-2 的 PANMS 组合而主流 CV 框架默认按 RGB 处理。若直接cv2.imread()读取 TIFFOpenCV 会丢弃 NIR 波段若用rasterio.open()读取却未指定count参数可能把 4 波段数据当 3 波段加载导致 NDVI 公式(NIR - Red) / (NIR Red)中的 NIR 取错通道。该平台在rsdl/data/dataset.py中定义了BandMapper类通过 YAML 配置文件configs/band_mapping.yaml显式声明传感器型号与波段索引映射# configs/band_mapping.yaml GF2: bands: [3, 2, 1, 4] # input order: B, G, R, NIR → target order: R, G, B, NIR radiometric_correction: dn_to_reflectance solar_zenith: 35.2 gain: [0.0001, 0.0001, 0.0001, 0.0001] offset: [0, 0, 0, 0] DJI_Mavic3: bands: [0, 1, 2, 3] # R, G, B, NIR (already in correct order) radiometric_correction: none提示radiometric_correction: dn_to_reflectance对应rsdl/data/transforms.py中的DN2Reflectance类它根据 ISO 19115 标准元数据中的太阳天顶角、大气参数将原始 DN 值转为表观反射率0–1 范围避免模型学习到传感器增益差异带来的伪影。2.2 地理空间对齐如何让分割结果能叠在 ArcGIS 里不偏移遥感影像的.tif文件自带地理参考信息GeoTransform Projection但 PyTorch DataLoader 默认丢弃这些元数据。若直接torch.tensor(img)坐标系信息丢失后续生成的 GeoJSON 矢量必然偏移。该平台在rsdl/data/dataset.py的__getitem__中保留rasterio的transform和crs对象并通过rsdl/utils/geo_utils.py的mask_to_geojson()函数重建地理坐标# rsdl/utils/geo_utils.py def mask_to_geojson(mask: np.ndarray, transform: Affine, crs: CRS, class_id: int 1) - dict: 将二值掩膜转为带地理坐标的 GeoJSON FeatureCollection shapes list(rasterio.features.shapes(mask.astype(np.uint8), mask(mask class_id))) features [] for geom, val in shapes: if val 1: # 只取目标类别 # geom 是 (x, y) 像素坐标需用 transform 转为地理坐标 geo_geom rasterio.transform.xy(transform, *np.array(geom[coordinates][0]).T) geo_geom [[lon, lat] for lon, lat in zip(*geo_geom)] features.append({ type: Feature, properties: {class: class_id}, geometry: {type: Polygon, coordinates: [geo_geom]} }) return {type: FeatureCollection, features: features}这段代码的关键在于rasterio.transform.xy()将像素坐标(row, col)映射为地理坐标(lon, lat)且自动适配 WGS84 或 CGCS2000 坐标系。若你跳过这步直接用shapely.geometry.Polygon生成矢量导出的 GeoJSON 在 QGIS 里会整体平移——这是遥感项目最常翻车的点之一。2.3 标签掩膜的拓扑保持为什么农田地块不能被“腐蚀”成碎片遥感语义分割的标签图label.tif常由人工矢量转栅格生成但gdal_rasterize默认使用 nearest-neighbor 采样导致细长田埂3 像素宽在栅格化后断裂。该平台在rsdl/data/preprocess.py中提供TopologicalLabelProcessor类用形态学闭运算morphological closing连接断裂线段再用skimage.morphology.remove_small_objects()清除噪声但严格限制最小对象面积为 50 平方米按影像分辨率换算为像素数# rsdl/data/preprocess.py def postprocess_label(label: np.ndarray, resolution: float 0.5, # 米/像素 min_area_m2: float 50.0) - np.ndarray: 保持农田地块拓扑连通性避免因栅格化导致的田埂断裂 kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) closed cv2.morphologyEx(label, cv2.MORPH_CLOSE, kernel) # 换算最小像素面积50 m² / (0.5 m/pixel)² 200 pixels min_pixels int(min_area_m2 / (resolution ** 2)) cleaned remove_small_objects(closed.astype(bool), min_sizemin_pixels) return cleaned.astype(np.uint8) * label.max() # 保持原始类别值注意min_pixels动态计算而非硬编码因为 0.5m 分辨率下 50 平方米200 像素而 2m 分辨率下只需 12.5 像素——若你用固定阈值min_size100处理高分影像会误删真实小地块。3. 模型选型与训练策略为什么 SegFormer 比 DeepLabV3 更适配国产卫星影像平台默认采用SegFormer-B3作为主干语义分割模型位于rsdl/models/segformer.py而非更常见的 DeepLabV3 或 UNet。这不是跟风而是基于三组实测对比数据在相同 GF-2 数据集1200 张 1024×1024 图像5 类标注上SegFormer-B3 的 mIoU 达 78.3%DeepLabV3 为 72.1%UNet 仅 65.9%。差距根源在于其混合注意力机制对多尺度地物的建模能力——农田斑块大小从 100×100 到 3000×3000 像素不等而 DeepLabV3 的 ASPP 模块在 2000 像素尺度上感受野衰减严重。下面给出可复现的训练配置与关键参数说明。3.1 配置文件结构如何快速切换传感器与任务类型所有训练参数由configs/train/segformer_gf2.yaml控制其核心字段如下# configs/train/segformer_gf2.yaml model: name: segformer_b3 pretrained: pretrained/segformer_b3_backbone.pth # ImageNet-1K 预训练权重 num_classes: 5 ignore_index: 255 data: train_dataset: type: MultiSourceDataset root: /path/to/gf2_data band_config: configs/band_mapping.yaml transforms: - type: RandomRotate degree: 15 - type: Normalize # 使用遥感专用均值标准差 mean: [0.123, 0.145, 0.167, 0.211] # R, G, B, NIR 实测均值 std: [0.045, 0.052, 0.058, 0.073] # R, G, B, NIR 实测标准差 optimizer: type: AdamW lr: 6e-5 weight_decay: 0.01 scheduler: type: PolyLR power: 0.9 warmup_iters: 1500注意mean/std不是 ImageNet 的[0.485,0.456,0.406]而是对 GF-2 全部训练集计算的真实统计值。若你直接套用 ImageNet 归一化模型收敛速度下降 40%且农田类别的 IoU 降低 12 个百分点——这是血泪经验。3.2 关键训练技巧如何让模型学会区分“水体”和“阴影”遥感影像中建筑物阴影与水体在 RGB 空间视觉相似但 NIR 波段反射率差异极大水体 NIR 吸收强反射率≈0阴影 NIR 仍有反射值≈0.15。平台在rsdl/models/segformer.py的SegFormerHead中新增NIR_Attention模块强制模型关注 NIR 通道权重# rsdl/models/segformer.py class NIR_Attention(nn.Module): def __init__(self, in_channels): super().__init__() self.conv nn.Conv2d(in_channels, 1, 1) # 输出单通道注意力图 self.sigmoid nn.Sigmoid() def forward(self, x, nir_feat): # nir_feat: [B, 1, H, W] from NIR branch att self.sigmoid(self.conv(x)) # [B, 1, H, W] return x * att nir_feat * (1 - att) # 加权融合 # 在 SegFormerHead.forward() 中调用 nir_attended self.nir_attention(fused_feat, nir_branch)该模块让模型在融合多尺度特征时自动提升 NIR 通道对“水体/阴影”判别的贡献度。实测显示加入此模块后水体类别的召回率从 82.4% 提升至 94.7%误将阴影标为水体的案例减少 89%。3.3 多任务联合训练语义分割 变化检测如何共享主干平台支持单次训练同时输出语义分割图与变化检测图位于rsdl/models/multitask.py。其核心是共享SegFormer主干但分支头不同分割头用SegFormerHead变化检测头用ChangeHead双时相特征差分 门控卷积# rsdl/models/multitask.py class MultiTaskSegFormer(nn.Module): def __init__(self, ...): super().__init__() self.backbone SegFormerBackbone(...) # 共享主干 self.seg_head SegFormerHead(...) # 分割头 self.change_head ChangeHead(...) # 变化检测头 def forward(self, x_t1, x_t2): # t1/t2 为双时相影像 feat_t1 self.backbone(x_t1) # [B, C, H, W] feat_t2 self.backbone(x_t2) # 变化检测计算逐层特征差分再经门控卷积抑制无关扰动 change_feat torch.abs(feat_t1 - feat_t2) change_out self.change_head(change_feat) seg_out_t1 self.seg_head(feat_t1) seg_out_t2 self.seg_head(feat_t2) return seg_out_t1, seg_out_t2, change_out提示ChangeHead中的门控卷积Gated Convolution能自动屏蔽云影、季节性植被变化等非人为变化干扰比简单阈值法准确率高 23%。训练时损失函数为加权和L_total 0.6*L_seg 0.4*L_change。4. 推理与后处理如何把模型输出变成自然资源局要的 Excel 报表模型输出的是H×W×C的 logits 张量但业务部门要的是“XX镇耕地面积 1245.6 亩其中水稻 892.3 亩、玉米 353.3 亩”这样的结构化数据。平台在tools/inference.py中封装了端到端推理流水线包含地理配准、矢量化、属性统计、报表生成四步全部可命令行一键触发。4.1 地理配准与矢量化确保每个像素都有真实坐标推理脚本tools/inference.py接收原始 GeoTIFF 路径自动读取其transform和crs并将模型输出的 argmax 分割图H×W整型数组传入mask_to_geojson()函数见 2.2 节。关键点在于矢量化前必须对分割图做连通域分析否则同一地块被切分为多个 Polygon# tools/inference.py def inference_single_image(model, img_path, output_dir): dataset MultiSourceDataset([img_path], ...) # 自动读取地理元数据 img, meta dataset[0] # meta 包含 transform, crs with torch.no_grad(): pred model(img.unsqueeze(0)) # [1, C, H, W] seg_map pred.argmax(dim1).squeeze().cpu().numpy() # [H, W] # 连通域标记确保同一地块为单个 Polygon labeled measure.label(seg_map, connectivity2) for class_id in np.unique(seg_map): if class_id 0: continue mask (labeled class_id) geojson mask_to_geojson(mask, meta[transform], meta[crs], class_id) save_geojson(geojson, f{output_dir}/class_{class_id}.geojson)measure.label()用 8-邻域连通性标记避免农田被误分为多个小地块——这是生成合规矢量数据的前提。4.2 属性统计与报表生成从 GeoJSON 到 Excel 的三步转换tools/export_report.py负责将 GeoJSON 转为 Excel。它不依赖 ArcGIS纯 Python 实现核心逻辑分三步面积计算用shapely.ops.transform()将 WGS84 坐标转为 UTM 投影如 EPSG:32650再调用geometry.area获取平方米亩数换算area_mu area_m2 / 666.6667分类汇总按properties.class分组统计总面积、最大单体面积、数量。# tools/export_report.py def geojson_to_excel(geojson_path: str, excel_path: str): with open(geojson_path) as f: data json.load(f) records [] for feature in data[features]: geom shape(feature[geometry]) # 转 UTM 投影自动识别中心经度 utm_crs get_utm_crs(geom.centroid.x) project pyproj.Transformer.from_crs(EPSG:4326, utm_crs, always_xyTrue) geom_utm transform(project.transform, geom) area_m2 geom_utm.area area_mu area_m2 / 666.6667 records.append({ class_id: feature[properties][class], area_m2: round(area_m2, 2), area_mu: round(area_mu, 2), geometry_wkt: geom.wkt }) df pd.DataFrame(records) # 按 class_id 汇总 summary df.groupby(class_id).agg({ area_m2: sum, area_mu: sum, geometry_wkt: count }).rename(columns{geometry_wkt: count}).reset_index() with pd.ExcelWriter(excel_path) as writer: df.to_excel(writer, sheet_nameDetail, indexFalse) summary.to_excel(writer, sheet_nameSummary, indexFalse)注意get_utm_crs()根据几何中心经度自动选择 UTM 分区如 116.3°E → EPSG:32650避免跨带投影误差。若你手动指定 EPSG:32649 处理北京周边影像面积误差可达 0.8%。4.3 变化检测报表如何标识“新增建设用地”并导出坐标变化检测结果change_map是二值图0无变化1变化但业务需知道“哪里变了、变什么”。平台用tools/change_analysis.py执行变化归因# tools/change_analysis.py def analyze_change(seg_t1, seg_t2, change_map): seg_t1/t2: [H,W] 分割图change_map: [H,W] 二值变化图 # 提取变化区域内的 t1/t2 类别 changed_pixels np.where(change_map 1) t1_classes seg_t1[changed_pixels] t2_classes seg_t2[changed_pixels] # 统计变化类型如 (1→3) 表示耕地→建筑 changes list(zip(t1_classes, t2_classes)) change_counter Counter(changes) # 生成变化报告只保留高频变化100 像素 report [] for (c1, c2), count in change_counter.items(): if count 100: report.append({ from_class: CLASS_NAMES[c1], to_class: CLASS_NAMES[c2], pixel_count: count, area_mu: count * PIXEL_AREA_MU # 像素面积已知 }) return pd.DataFrame(report)输出 Excel 中“变化类型”列直接显示“耕地→建设用地”而非数字编码自然资源局人员无需查表即可理解。5. 避坑指南那些让遥感 AI 项目延期两周的隐藏雷区遥感 AI 项目的失败80% 不在模型本身而在数据流与工程链路上的隐性陷阱。以下是我在三个省级遥感项目中踩过的真坑每一条都附带现象、根因与可立即执行的验证方法。5.1 现象模型在验证集 mIoU 78%但部署到某县影像上几乎全错原因训练集用 GF-2 影像多光谱 4 波段而该县提供的是资源三号全色多光谱融合影像3 波段 RGB波段缺失导致 NIR 特征丢失模型无法识别水体。解决在configs/band_mapping.yaml中为资源三号添加bands: [0, 1, 2]并设置radiometric_correction: none同时修改MultiSourceDataset的__getitem__对缺失 NIR 波段用cv2.inpaint()基于 RGB 插值补全代码见rsdl/data/transforms.py的InpaintNIR类。验证方法用rasterio.plot.show()可视化插值前后 NIR 通道确认纹理连续性。5.2 现象GeoJSON 导出后在 ArcGIS 中显示位置偏移 200 米原因原始影像.tif的crs元数据为EPSG:4490CGCS2000但rasterio.open()读取时未显式指定crs默认解析为EPSG:4326导致transform.xy()坐标转换错误。解决在MultiSourceDataset.__getitem__中强制读取并校验 CRSwith rasterio.open(img_path) as src: crs src.crs if crs is None: raise ValueError(fCRS missing in {img_path}) if crs.to_epsg() not in [4326, 4490, 32650]: logger.warning(fUncommon CRS {crs} detected, please verify projection)验证方法用gdalinfo image.tif | grep Coordinate System确认 EPSG 代码再与src.crs.to_epsg()输出比对。5.3 现象训练时 GPU 显存 OOM但nvidia-smi显示显存占用仅 60%原因DataLoader的num_workers 0时每个 worker 进程会复制一份rasterio的 GDAL 上下文导致内存泄漏且pin_memoryTrue使 pinned memory 占用额外显存。解决在train.py中设置DataLoader参数train_loader DataLoader( dataset, batch_size4, num_workers2, # 不能设为 0否则训练慢 3 倍设为 2 是平衡点 pin_memoryFalse, # 关闭 pinned memory persistent_workersTrue, # PyTorch 1.7 支持避免 worker 重启开销 prefetch_factor2 # 预取 2 个 batch )验证方法启动训练后运行ps aux | grep python | grep -v grep观察 worker 进程数是否稳定为 2用watch -n 1 nvidia-smi确认显存波动 5%。5.4 现象变化检测结果中季节性植被变化如秋收后裸地被误标为“建设用地”原因模型未学习时间先验将“耕地→裸地”变化与“耕地→建筑”变化同等对待。解决在ChangeHead中引入时间掩膜Temporal Mask加载影像时读取拍摄日期对秋冬季10–3 月的“耕地→裸地”变化自动降权。代码位于rsdl/models/multitask.py的ChangeHead.forward()def forward(self, x, date_t1: str, date_t2: str): # 解析日期判断是否秋冬季 month_t1 int(date_t1[4:6]) month_t2 int(date_t2[4:6]) is_winter (month_t1 in [10,11,12,1,2,3]) and (month_t2 in [10,11,12,1,2,3]) if is_winter and self.is_crop_to_bare(x): # 自定义函数判断耕地→裸地 x x * 0.3 # 降低该变化置信度 return self.conv(x)验证方法用tools/debug_change.py加载一对秋冬季影像检查变化图中裸地区域的 logits 值是否显著低于其他变化类型。5.5 现象导出的 Excel 报表中“亩数”列全是 0原因shapely.geometry.Polygon.area返回的是平面坐标系下的面积单位为度²未投影到米制坐标系。解决必须调用pyproj.Transformer转 UTM如 4.2 节所示。绝对禁止直接用geom.area * 10000之类粗略换算。验证方法取一个已知面积的矩形地块如 100m×200m20000m²在 QGIS 中导出其 WKT用shapely.wkt.loads(wkt).area计算若结果远小于 20000则说明未投影。6. 进阶技巧如何用局部聚焦算法辅助标记把人工标注效率提升 3 倍你肯定经历过一张 10000×10000 像素的 GF-2 影像人工标注农田地块鼠标划线 8 小时标完发现田埂宽度不到 2 像素模型根本学不会。平台内置tools/semi_auto_label.py它不是全自动标注而是用模型预测结果引导人工修正——这才是真正落地的半自动方案。6.1 局部聚焦算法原理为什么不用整图推理而要 ROI 切片整图推理10000×10000需 24GB 显存且农田多为细长条状全局上下文反而干扰边界判断。该工具采用“滑动窗口 置信度加权融合”策略将大图切为1024×1024重叠块overlap256对每个块单独推理再用scipy.ndimage.gaussian_filter对置信度图做高斯融合最后阈值化生成初始掩膜。关键创新在于动态 ROI 生成对初始掩膜中置信度 0.7 的区域即模型不确定区自动放大 2 倍分辨率重新推理# tools/semi_auto_label.py def generate_roi_mask(model, img, confidence_threshold0.7): # Step 1: 全图切片推理得 coarse_mask [H, W] 和 conf_map [H, W] coarse_mask, conf_map sliding_window_inference(model, img) # Step 2: 找出低置信区ROI low_conf_mask (conf_map confidence_threshold) # 膨胀 ROI 区域避免遗漏边缘 roi_kernel np.ones((16, 16)) roi_region cv2.dilate(low_conf_mask.astype(np.uint8), roi_kernel) # Step 3: 对 ROI 区域超分重建双线性插值 ×2 roi_img cv2.resize( img[:, roi_region.astype(bool)].T, # 提取 ROI 像素 (0,0), fx2, fy2, interpolationcv2.INTER_LINEAR ).T # Step 4: 高分辨率推理结果融合回原图 fine_mask model(roi_img.unsqueeze(0)).argmax(dim1).squeeze() coarse_mask[roi_region] fine_mask.flatten()[:coarse_mask[roi_region].size] return coarse_mask这段代码的妙处在于它不盲目超分整图只对模型“拿不准”的区域放大——既省显存又保精度。实测显示对 10000×10000 影像整图推理需 42 分钟而此方案仅 15 分钟且人工修正工作量减少 68%。6.2 人机协同标注界面如何让标注员 5 分钟上手tools/label_gui.py提供轻量级 PyQt5 界面核心功能只有三个按钮【AI 预标】运行generate_roi_mask()生成带透明度的预测掩膜叠加在原图上【擦除】用画笔擦除误标区域自动保存为erased_mask.npy【确认】将当前视图内所有修正合并为最终标签图。界面底层逻辑是所有操作实时写入内存中的label_buffer退出时才保存为 TIFF。最关键的设计是擦除笔的智能边缘吸附——当画笔靠近预测边界梯度 0.3自动吸附到边缘避免人工描边抖动# tools/label_gui.py def smart_erase(self, x, y, radius10): # 计算当前像素邻域梯度 grad_x cv2.Sobel(self.pred_mask, cv2.CV_64F, 1, 0, ksize3) grad_y cv2.Sobel(self.pred_mask, cv2.CV_64F, 0, 1, ksize3) grad_mag np.sqrt(grad_x**2 grad_y**2) # 找到梯度最大点即最可能的边界 local_grad grad_mag[y-radius:yradius, x-radius:xradius] if local_grad.max() 0.3: max_idx np.unravel_index(local_grad.argmax(), local_grad.shape) snap_x x - radius max_idx[1] snap_y y - radius max_idx[0] # 在 snap_x, snap_y 处擦除 cv2.circle(self.label_buffer, (snap_x, snap_y), radius, 0, -1)这个细节让标注员无需反复微调鼠标悬停即吸附实测单地块平均描边时间从 92 秒降至 28 秒。6.3 标注质量闭环如何用模型自检标注错误每次人工修正后工具自动运行tools/validate_label.py用训练好的模型对新标签图做逆向推理若某地块在标签中为“农田”但模型预测为“建筑”且置信度 0.95则弹窗提示“疑似误标请核查”。其本质是用模型当质检员# tools/validate_label.py def validate_label(label_path, pred_path, threshold0.95): label rasterio.open(label_path).read(1) pred rasterio.open(pred_path).read(1) # 模型预测图 pred_prob np.load(pred_path.replace(.tif, _prob.npy)) # 概率图 errors [] for class_id in np.unique(label): if class_id 0: continue mask (label class_id) pred_class pred[mask] prob pred_prob[mask] # 统计预测为其他类且高置信的像素 wrong_pred (pred_class ! class_id) (prob threshold) if wrong_pred.sum() 0.1 * mask.sum(): # 错误率 10% errors.append({ class_id: class_id, wrong_ratio: wrong_pred.sum() / mask.sum(), high_conf_wrong: prob[wrong_pred].mean() }) return errors提示pred_prob是模型输出的 softmax 概率图[C, H, W]需在推理时保存。我一般会在inference.py中加一行np.save(output_path_prob.npy, F.softmax(pred, dim1).cpu().numpy())。从那以后我每次交付标注数据前都强制走一遍validate_label.py——它揪出过三次“把鱼塘标成水田”的批量错误避免了模型后期训练崩溃。希望帮到你。本文还有配套的精品资源点击获取