8.1. 建设用地变化检测

# 项目说明 此处介绍项目需求 # 数据说明 ## 原始数据 此处可说明原始数据的元数据信息，如数据来源、分辨率、区域等信息 ## 样本制作 数据增强：0、90、180、270、水平翻转+随机色调、亮度、对比度抖动，数据量扩充为原样本的5倍

### 训练集 说明：

样本量：前时相+后时相+label为一个样本

占用空间：前时相+后时相+label占用空间总计

模型2样本情况，格式为jpg（有损压缩）：

城市 | 增强前样本量 | 增强后样本量 | 占用空间 | 生产时间 :-: | :-: | :-: | :-: | :-: 嘉祥 | 3044 | 15220 | 5.2G | 2020/05/12 天峨 | 7917 | 39585 | 9.8G | 2020/05/12 新泰 | 4832 | 24160 | 9.3G | 2020/05/12 乐业 | 4270 | 21350 | 6.2G | 2020/05/12 巴马 | 4766 | 23830 | 6.9G | 2020/05/12 总计 | 24829 | 124145 | 37.4G | 2020/05/12

模型3相对模型2的样本，变化如下：

1、步长由之前的512降低到300。

2、样本格式由之前的jpg修改为tif，无损影像，空间占了不少。

3、如果某label_clip中全是非变化区域，则不裁剪前时相、后时相的clip，即不制作样本。

4、取消在训练时加载样本前后时相随机调换，改为直接在train.csv中对t1和t2全量调换，实际不占用硬盘空间，样本量翻倍。

城市 | 增强前样本量 | 增强后样本量 | 占用空间 | 生产时间 :-: | :-: | :-: | :-: | :-: 嘉祥 | 6837 | 34185 | 233.4G | 2020/06/04 天峨 | 4318 | 21590 | 145.7G | 2020/06/04 新泰 | 10183| ‭50915 ‬| 343.0G | 2020/06/04 乐业 | 2028 | 10140 | 68.4G | 2020/06/04 巴马 | 4866 | 24330 | 167.1G | 2020/06/04 总计 | 28232| 141160| 995G | 2020/06/04

在生成train.csv文件时，对样本进行全量前、后时相翻转，样本量翻倍，最终样本数282320

### 测试集 此处可说明测试集数量、区域等 # 模型说明 介绍所用的模型，及对本项目的适用性 ## 模型训练 介绍模型训练的情况，如epoch数、iter数、loss曲线、超参数设置等 ## 模型评估 介绍模型评估的情况，如查准率、召回率、精度、mAP、GPU配置、测试数据、耗时等

使用模型为训练7个epoch的panoptic-fpn模型

### 按像素评估

准确率：检测出来的图斑是正确的像素数/检测出来的图斑像素数

召回率：真值图斑中被检测出来的像素数/真值图斑像素数

模型ID | 样本选取标准 | 训练数据 | 测试影像 | 大小 | 分辨率 | 准确率 | 召回率 | GPU | 耗时| 显存 :-: | :-: | :-: | :-: | :-: | :-: | :-: | :-: | :-: | :-: | :-: 1 | 所有类别 | 嘉祥 | 肥城 | 23919*21769 | 1m | 36.7% | 40.5%| K80 | 1249秒 | 1788MB 2 | 1、2、3、7 | 嘉祥、天峨、新泰、乐业、巴马 | 肥城 | 23919*21769 | 1m | 36.7% | 40.5% | K80 | 755秒 | 1788MB 3 | 1、2、3、15| 嘉祥、天峨、新泰、乐业、巴马 | 肥城 | 23919*21769 | 1m | | | K80 | 567秒 | 1788MB

### 按对象评估

准确率：检测出来的图斑是正确的像素数/检测出来的图斑像素数

召回率：真值图斑中被检测出来的像素数/真值图斑像素数

模型ID

测试影像

大小

分辨率

阈值

变化区域_predict

predict中正确

准确率

变化区域_gt

gt中正确

召回率

1 1 1 1 2 2 2 2

肥城 肥城 肥城 肥城 肥城 肥城 肥城 肥城

23919*21769 23919*21769 23919*21769 23919*21769 23919*21769 23919*21769 23919*21769 23919*21769

1m 1m 1m 1m 1m 1m 1m 1m

0.2 0.5 0.8 1 0.2 0.5 0.8 1

9320 9320 9320 9320 2046 2046 2046 2046

1878 1694 1292 882 959 932 837 602

20.2% 18.2% 13.9% 9.5% 46.9% 45.6% 40.9% 29.4%

863 863 863 863 619 619 619 619

538 395 271 65 200 123 55 5

62.3% 45.8% 31.4% 7.5% 32.3% 19.9% 8.9% 0.8%