本文已参与「新人创作礼活动」，一起开启掘金创作之路。
摘要
利用高分辨率遥感影像准确地提取耕地地块是精准农业的基本任务，本文介绍了我们在讯飞2021高分辨率遥感影像耕地地块提取比赛中的解决方案。该挑战要求在高分辨率的遥感图像中分割耕地地块。我们首先将原始图像分成小块，分别对每个小块进行实例分割，探索了几种适用于自然图像的实例分割算法，设计了适用于遥感图像的有效方法，提出的overlap-tile融合策略，将所有小瓷砖的预测结果合并成无缝、连续的分割结果。最后在高分辨率遥感图像耕地分割的486个团队中获得第一名。
介绍
耕地的数量和质量是保证我国农业可持续发展的关键。遥感技术可以准确、及时地探测地表信息，客观地反映地物的状态及其变化目前提取高精度的耕地地块产品主要还是依靠人工解译的手段，费时费力。为了推进这项任务的研究，科大讯飞展了从高分辨率遥感图像中提取耕地的挑战,以提升自动化提取高分辨率遥感影像中耕地地块的能力。
许多作品的灵感来自U-net专注于语义分割任务。然而语义分割模型不一定产生分离的耕地，需要额外的后处理来获得具有闭合轮廓的区域并单个实例。本文验证了各种实例分割算法在遥感图像耕地分割任务中的适用性。虽然目前的实例分割方法在自然图像上表现良好，但它们很少适用于遥感图像。在分布不均匀的遥感图像中，对象出现在任意位置。物体之间通常没有明确的界限。我们从数据预处理、模型预训练、分割算法和结果后处理等方面探索了一套有效的解决方案。
在整个分割流程中，一个非常关键的部分是结果后处理，即合并所有小分片的预测结果。我们必须在有限的GPU内存中将一幅高分辨率图像分割成许多块来执行实例分割。将多个重叠块的结果组合成无缝、连续的分割结果是很少提及的，但在实际工程中是至关重要的。以前的方法有：将重叠区域内预测的平均值作为最终的语义分割结果，但这种方法不适用于实例分割。在瓷砖之间的重叠区域，只保留了实例不确定度最低的检测结果，但仍然保留了许多具有高不确定度值的不完整实例。我们没有使用实例不确定性作为限制条件，而是启发式地将每个图块划分为忽略区域和目标区域，只将检测结果保留在目标区域内。
实验
- Data Preprocessing
利用吉林一号图像数据，在高分辨率遥感影像中对耕地提取的2021个挑战进行了研究（图1）。影像为四通道数据（B,G,R,NIR），分辨率为0.75~1.1米之间。包括训练数据与测试数据，由长光卫星技术有限公司拍摄、标注、构建。使用滑动窗口将原始训练集的16个原始数据从上到下、从左到右划分为像素块。窗口大小为512x512，窗口运动的步幅也为512。然后以5:1的比例将这些图块划分为一个训练集和一个验证集。
图1. 吉林-1图像数据集的示例。左侧为原始RGB图像；右图为覆盖地面的真相分割
- Designs about the Whole Pipeline
我们的算法使用了混合任务级联（HTC）模型，主干为Resnext-101-64x4d和Convnets v2（DCN）。使用COCO数据集上20个时期的预训练模型进行权重初始化。最后，利用重叠块融合策略对算法输出的结果进行后处理，使用软Soft-NMS提高最终性能。此外我们还尝试了FEeatures重组,DetectoRS,PA-FPN 增强模型的主干，但效果不佳。以及 多尺度 、随机裁剪和InstaBoost 也没用。这可能是因为遥感图像大部分耕地分布密集而且具有更简单的特征。
- Model-Related Experiments
我们在不同模型上进行了实验。表一显示了HTC和经典Mask R-CNN之间的效果比较，两种模型都使用Resnet-50作为主干。结果表明，HTC是一种更强大的检测模型，因为它有效地改善了信息流，不仅在各个阶段，而且在任务之间。为了进一步提高模型的性能，我们研究了一些在一般目标检测中被证明是有效的技术，以改进模型的主干（图2），DCN等技术显著提高了性能。
图2.模型预训练的效果增强骨干技术.
- Overlap-tile Fusion Strategy
重叠瓷砖融合策略应满足以下规则（图3）:1）我们得到的瓷砖应尽可能大，以确保每个耕地对象至少在其中一块瓷砖上完整出现。2）如果且仅当检测框左上角的坐标（xy）落在目标区域内，则保留检测结果。3）当瓷砖位于原始图像的边界上时，与瓷砖方向相同的边缘忽略区域合并到目标区域。为了合并遮罩结果，减少性能损失，步幅应该更小。考虑到以较少的性能合并遮罩结果，我们生成的测试集大小为1536，移动步幅大小为1280，重叠块融合策略输出的掩模预测如图4所示。
图3. 重叠瓷砖融合策略。当且仅当检测到的边界框（x，y）的左上角位于目标区域T时，检测结果才被保留.
图4. 完成输出结果。
结论
我国幅员辽阔，由于自然地理环境差异较大，耕地类型因地而异，精细农业需要强大的数据作为支撑，传统耕地地块提取技术的效率已无法满足当前精细化农业应用快速响应的需求。充分利用遥感大数据、人工智能等先进技术，实现高效、可用、实用的先进算法，以提升自动化提取高分辨率遥感影像中耕地地块的能力。本文构建了一条高效的高分辨率遥感图像耕地提取流程，提供了详细的overlap-tile融合策略，以生成无缝和连续的分割结果。
\
