简介这份资源是基于PyTorch的ResNet图像分类算法项目专注遥感影像中有无湖泊的识别任务适合刚接触深度学习图像分类、希望阅读带逐行注释代码的初学者。代码核心由3个Python脚本组成涵盖数据集列表生成、CNN训练以及简易PyQt界面展示整个过程从数据准备到模型训练与界面交互均可运行复现每条语句都包含中文注释能显著降低理解门槛。压缩包共7个文件包括3个py脚本、2张用于示意数据集摆放位置的jpg提示图、1个requirement.txt依赖清单和1份docx说明文档整体仅191KB轻量易部署。需要说明的是资源不包含实际数据集图片使用者按各文件夹的提示图自行收集照片后即可训练。目前已有150人学习适合想快速掌握ResNet图像分类流程并在此基础上自定义类别完成类似遥感识别任务的中级及以下初学者。1. 当遥感影像遇上 ResNet从“看颜色”到“认形态”的湖泊识别做遥感图像分类的人十有八九都经历过这种场景拿到一景 Sentinel-2 或高分影像想快速知道这片区域里有没有湖泊、水面占比多少肉眼盯屏幕半小时眼睛酸了不说云影、山体阴影、盐碱地反光全来捣乱。传统阈值分割在多光谱数据上确实能搞定大面积水体可一旦遇到细小河流、破碎水塘、冰雪覆盖的高原湖规则就失效了——特征不是“算”出来的而是“看”出来的。这正是 resnet 模型在遥感有无湖泊识别里被反复提起的原因图像分类算法把“有没有水”当成一个二分类问题ResNet 的残差结构让网络能往深了走语义特征从边缘、纹理一路抽象到水体形态准确率和鲁棒性都比手工特征高一个量级。这类任务的实际落地形态通常是一份打包好的工程模型代码、训练脚本、逐行注释和说明文档齐整数据集图片不入包靠使用者自行准备。适合谁遥感专业的毕业生、做水体监测的算法工程师、以及想用深度学习做地物分类但不想从零搭框架的入门者。2. 遥感湖泊识别的数据准备没有现成数据集怎么把影像变成训练样本2.1 先搞懂“不含数据集图片”意味着什么拿到标题里这个 zip第一件事不是解压就跑而是看清数据边界。压缩包里通常只有模型结构定义、训练脚本、预测脚本和说明文档没有一张带标签的湖泊图片。这就带来一个现实问题ResNet 是监督学习模型没有数据权重就没法训练。所以“不含数据集图片”这个设计本质上是把数据准备这个环节留给使用者——常见原因是遥感影像版权和标注成本公开的水体数据集要么分辨率不对要么标注粒度跟任务不匹配。我一般会先确认说明文档里写没写期望的输入格式比如影像通道数、patch 大小、标签体系是“整图有湖/无湖”还是“逐像素水体掩膜”。这个信息决定了后面所有代码怎么改。如果说明文档里给了训练脚本的默认路径和尺寸那就好办按它的接口去准备数据。如果没给就按遥感图像分类的通用约定来做。常见做法是把大影像切成小 patch每个 patch 对应一个整图级别的标签。切割尺寸一般取 224 或 256——ResNet 的标准输入是 224×224但遥感影像地物尺度变化大256 或 512 能保留更多纹理细节代价是显存占用翻倍。我个人习惯先切成 256跑通流程后再对比 224 和 512 的效果。切完记得算一下样本量二分类任务每类至少 800 到 1000 张 patch 才能让 ResNet 不严重过拟合低于这个量就得靠数据增强和预训练权重救场。2.2 把大影像切成 patch一份可直接改的 Python 脚本切 patch 是遥感分类里最枯燥但也最重要的步骤。下面这份脚本用 GDAL 读影像按步长滑动切割既保留坐标信息又输出同名标签文件方便后续检查from osgeo import gdal import numpy as np import os def split_raster_with_label(src_path, label_mask_path, out_dir, patch_size256, stride256): 将大影像和对应的二值标签掩膜同步切成 patch src_path: 原始影像路径多波段 label_mask_path: 标签掩膜1表示湖泊0表示非湖泊 out_dir: 输出目录结构为 images/ 和 labels/ ds gdal.Open(src_path) label_ds gdal.Open(label_mask_path) width, height ds.RasterXSize, ds.RasterYSize bands ds.RasterCount transform ds.GetGeoTransform() os.makedirs(os.path.join(out_dir, images), exist_okTrue) os.makedirs(os.path.join(out_dir, labels), exist_okTrue) idx 0 for y in range(0, height - patch_size 1, stride): for x in range(0, width - patch_size 1, stride): # 读取影像块形状为 (bands, patch_size, patch_size) img_array ds.ReadAsArray(x, y, patch_size, patch_size) # 读取标签块只取第一个波段 lbl_array label_ds.ReadAsArray(x, y, patch_size, patch_size) # 过滤掉全为 nodata 的块省得给模型喂垃圾 if np.all(img_array 0) or np.all(lbl_array -1): continue # 整图二分类标签patch 内湖泊像素占比 5% 就算“有湖” lake_ratio np.sum(lbl_array 1) / (patch_size * patch_size) label 1 if lake_ratio 0.05 else 0 np.save(os.path.join(out_dir, images, f{idx}.npy), img_array) np.save(os.path.join(out_dir, labels, f{idx}.npy), np.array(label)) idx 1 print(f共生成 {idx} 个 patch完成。)逐行说下关键逻辑ReadAsArray是按行列号读块的速度比循环读像素快两个数量级标签判定用“湖泊像素占比超过 5%”而不是“有任意一个湖泊像素”是为了避免河流边缘、孤立水洼带来的噪声标签。stride参数决定重叠率stride 取 256 是不重叠切割取 128 是 50% 重叠后者能把样本量翻倍但对大影像来说耗时也翻倍。nodata过滤非常关键遥感影像边缘经常有大片黑色区域这些块进模型只会让网络学习“黑色无湖”这种假规律。参数调整建议如果你用的是高分影像分辨率为米级湖泊边缘的锯齿状像素会很明显建议把阈值从 0.05 提到 0.1避免把只有几像素水花的干燥地块标成正样本。如果你处理的是 Sentinel-2 的 10 米分辨率数据湖泊普遍比较大0.03 的阈值反而更合理。这些参数没有标准答案要靠交叉验证试别指望一次设对。2.3 标签不平衡是第一个坎遥感影像里“无湖”patch 的数量通常碾压“有湖”patch——一片流域里真正的水面可能只占 5% 的面积。如果不处理模型会偷懒把所有样本都预测成“无湖”因为这样准确率也有 95%。这不是模型 bug是损失函数在作祟。常见做法有三种第一简单粗暴地欠采样把无湖样本砍到和有湖样本等量第二在损失函数里给少数类加权比如让正样本的交叉熵损失乘上类别比例的倒数第三用 Focal Loss 这类改良损失。最省事的是第一种如果切完 patch 发现比例悬殊直接跑一个随机筛选。但欠采样会损失信息量特别是那些“像湖但实际不是”的难例——盐田、阴影、深色屋顶——恰恰是无湖类里最有价值的样本。所以我倾向于先用类别加权效果不够再上 Focal Loss。提示标签不平衡问题最好在切 patch 阶段就统计出来。写一个简单的计数循环统计每类 patch 数量把结果打印在切分脚本末尾别把问题拖到训练阶段才发现。3. ResNet 选型与模型改造从 18 到 101不同深度怎么选3.1 ResNet 的核心机制与遥感任务的匹配度ResNet 能成为图像分类算法里最稳定的基座关键在于残差连接。简单说每个残差块学习的是“输入和输出的差值”而不是直接学习输出映射。这个设计让梯度可以跨层直传网络深到 50 层、101 层也不容易出现梯度消失。遥感湖泊识别恰恰需要这种深度——因为“有没有湖”这个决策底层看颜色和纹理中层看形态和边界高层看上下文关系。一个小水塘和一片云影在浅层特征上非常像都得靠深层语义才能区分开。ResNet 的残差结构让深层网络训练成为可能这也是它比 VGG 更适合作遥感分类基座的原因。对于遥感影像还有个容易被忽略的点ResNet 的下采样次数是 5 次原图 224 输入到最后特征图是 7×7。这个感受野设计是为 ImageNet 的自然图像调的遥感影像里地物的尺度跨度远大于自然图像——一个湖泊可能占满整张 patch也可能只占中央 20 像素。如果你的任务里小湖泊占比高就得考虑用空洞卷积替换后面几个 stage 的下采样或者干脆用 ResNet 的 FPN 变体把粗粒度特征和细粒度特征融合起来。但大多数入门场景下标准 ResNet 已经够用先跑通再优化。3.2 把 ResNet 改成二分类器改动最小的一处代码标题里提到模型带逐行注释那说明文档和代码大概率用的是 torchvision 里的标准 ResNet 实现。把它改成二分类只需要动最后一层全连接import torch import torch.nn as nn import torchvision.models as models def build_resnet(num_classes2, model_nameresnet18, pretrainedTrue): 构建用于遥感二分类的 ResNet 模型 num_classes: 目标类别数这里固定为2有湖/无湖 model_name: 可选 resnet18 / resnet34 / resnet50 / resnet101 pretrained: 是否加载 ImageNet 预训练权重 # 根据名称动态获取模型构造函数 model_fn getattr(models, model_name) model model_fn(weightsmodels.ResNet18_Weights.IMAGENET1K_V1 if pretrained else None) # 修改最后的全连接层ResNet 的 fc 输入维度是 2048resnet50 及以上或 512resnet18/34 in_features model.fc.in_features model.fc nn.Linear(in_features, num_classes) # 二分类常用带权重的交叉熵先默认等权后续按类别比例调整 criterion nn.CrossEntropyLoss(weighttorch.tensor([1.0, 1.0])) return model, criterion if __name__ __main__: model, criterion build_resnet(num_classes2, model_nameresnet18, pretrainedTrue) # 模拟一个 batch 输入4 张 3 通道 224x224 影像 dummy_input torch.randn(4, 3, 224, 224) output model(dummy_input) print(输出形状:, output.shape) # 期望 [4, 2]这段代码里最需要关注的是in_features的提取方式。ResNet18/34 的最后一个卷积输出是 512 通道ResNet50/101 是 2048写死数字会让模型换型号时直接报错用model.fc.in_features读取是通用的做法。pretrained参数强烈建议保持为 True——遥感影像虽然和 ImageNet 的自然图像分布差异很大但浅层比如边缘、颜色、纹理的滤波器是通用的用预训练权重初始化能让训练收敛速度快好几倍而且对小数据集特别友好。如果你用的遥感影像是多光谱的比如 8 波段高分影像输入通道不是 3那就得额外处理把第一层卷积的输入通道改成 8并且不能直接加载 ImageNet 预训练权重。常见做法是取前 3 个通道的预训练权重复制到新卷积核上剩余 5 个通道随机初始化。3.3 ResNet 18 还是 ResNet 50看数据量不看显卡选 ResNet 深度这件事核心指标是样本量不是 GPU 型号。你只有 2000 张 patch用 ResNet 101 几乎是自找苦吃——模型参数量 4400 万2000 张图连训练集都喂不饱最后结果大概率比 ResNet 18 还差。遥感湖泊识别不是 ImageNet 竞赛不需要千层网络去拟合超细粒度类别。我常用的决策规则是样本量在一万以下用 ResNet 18 或 ResNet 34配合预训练权重和强数据增强样本量在一万到五万ResNet 50 是性价比最高的选择五万以上才考虑 ResNet 101。还有一个经验是先跑一版 ResNet 18 当 baseline记录验证集准确率再换 ResNet 50 看有没有明显提升。如果提升不到一个点说明瓶颈不在模型容量而在数据质量或标签噪声换更大的网络纯属浪费时间。遥感影像里“标签噪声”尤其常见——云遮挡造成的误标、湖泊边界人工勾画的误差都会让模型容量优势发挥不出来。先确认数据没问题再升级模型这个顺序不能倒。4. 训练与调参让 ResNet 在遥感影像上收敛的完整流程4.1 数据增强要贴着遥感场景设计通用图像分类的数据增强——随机裁剪、水平翻转、色彩抖动——在遥感任务里能用但要做取舍。遥感影像是正射视角没有“上下颠倒”的语义问题所以旋转增强可以放开90 度、180 度、270 度都合理。但色彩抖动要谨慎水面光谱特征对颜色变化极其敏感你把 RGB 亮度随机调暗 30%湖水可能就变成了深色地面。我一般只用轻微的亮度扰动±20%不做色调和饱和度的大幅抖动。遥感数据增强还有一个通用方案没有的操作随机擦除。湖泊经常被云遮挡一部分随机擦除能模拟这种场景强迫模型不依赖局部纹理做判断而是学会看全局形态。实现上可以用torchvision.transforms.RandomErasing擦除比例设置在 0.2 到 0.4 之间。下面是一份完整的训练脚本主体包含了数据加载、增强、训练循环和验证逻辑import torch from torch.utils.data import Dataset, DataLoader from torchvision import transforms import numpy as np import os class LakeDataset(Dataset): 从 npy 文件加载切好的 patch 和标签 def __init__(self, images_dir, labels_dir, transformNone): self.images_dir images_dir self.labels_dir labels_dir self.transform transform self.filenames [f for f in os.listdir(images_dir) if f.endswith(.npy)] def __len__(self): return len(self.filenames) def __getitem__(self, idx): img np.load(os.path.join(self.images_dir, self.filenames[idx])) label np.load(os.path.join(self.labels_dir, self.filenames[idx])) # 转成 tensor 并归一化到 [0,1]注意 ResNet 预训练权重的标准化方式 img torch.from_numpy(img).float() / 255.0 if img.shape[0] 1: # 单波段灰度图转成三通道 img img.repeat(3, 1, 1) if self.transform: img self.transform(img) return img, torch.tensor(label, dtypetorch.long) train_transform transforms.Compose([ transforms.RandomRotation(90), # 遥感影像任意朝向都可 transforms.RandomHorizontalFlip(p0.5), transforms.RandomVerticalFlip(p0.5), transforms.ColorJitter(brightness0.2, contrast0.2, saturation0.0, hue0.0), transforms.RandomErasing(p0.3, scale(0.02, 0.15)), ]) def train_one_epoch(model, dataloader, optimizer, criterion, device): model.train() total_loss, correct, total 0, 0, 0 for imgs, labels in dataloader: imgs, labels imgs.to(device), labels.to(device) optimizer.zero_grad() outputs model(imgs) loss criterion(outputs, labels) loss.backward() optimizer.step() # 统计准确率 _, preds torch.max(outputs, 1) total_loss loss.item() * imgs.size(0) correct (preds labels).sum().item() total imgs.size(0) return total_loss / total, correct / total def validate(model, dataloader, criterion, device): model.eval() total_loss, correct, total 0, 0, 0 with torch.no_grad(): for imgs, labels in dataloader: imgs, labels imgs.to(device), labels.to(device) outputs model(imgs) loss criterion(outputs, labels) _, preds torch.max(outputs, 1) total_loss loss.item() * imgs.size(0) correct (preds labels).sum().item() total imgs.size(0) return total_loss / total, correct / total这段代码的几个关键设计说明RandomRotation(90)在 torchvision 里默认会填充黑色边缘这些黑边会让模型学到“图像边缘出现黑色块”建议加fill0参数默认是 0但显式写出来更安全。ColorJitter里我把 saturation 和 hue 都设成 0因为遥感传感器的光谱响应是固定的色调和饱和度的随机变化会破坏水面和植被的光谱区分度。RandomErasing的 scale 参数要控制好擦除比例太大超过 0.15会把小湖泊完全盖住导致正样本变成一张“无湖”图标签就错了。优化器方面用 Adam 的话学习率建议 1e-4 起步用 SGD 配合 momentum0.9 建议 1e-3 起步。遥感任务里 Adam 收敛快但容易落在尖锐极小值SGD 收敛慢但泛化更好。我通常的做法是先用 Adam 跑 20 个 epoch 看模型能不能学到东西把 pipeline 调通再换 SGD 把学习率降到 1e-3 正式训练。batch size 在 224 输入下ResNet 18 用 64 差不多占 8G 显存ResNet 50 降到 32。4.2 迁移学习的两种打开方式加载 ImageNet 预训练权重后有两种训练策略。第一种是“特征提取模式”把 ResNet 前面的卷积层全部冻结只训练最后的全连接层。这种方式适合样本极少每类几百张的场景训练快显存占用也小但上限低——因为遥感影像和自然图像的特征分布差异会在深层放大。第二种是“微调模式”所有层一起训练但给不同层分配不同学习率一般是主干网络的学习率设为分类头的 0.1 倍。这样既保留了预训练模型学到的浅层特征又给深层适遥感影像的语义空间。实现上可以这样def configure_optimizer(model, lr1e-3, backbone_lr_ratio0.1): 主干网络用小学习率微调分类头用大学习率学习 backbone_params [] head_params [] for name, param in model.named_parameters(): if fc in name: # 分类头 head_params.append(param) else: backbone_params.append(param) optimizer torch.optim.SGD([ {params: backbone_params, lr: lr * backbone_lr_ratio}, {params: head_params, lr: lr}, ], momentum0.9, weight_decay1e-4) return optimizer注意named_parameters()返回的 name 是形如features.0.weight这样的字符串判断条件只认fc是有效的因为 torchvision 的 ResNet 分类头就叫fc。如果你想对每个 stage 单独设学习率可以按深度拆分——stage1 学习率最低stage4 次之fc 最高——但这是进阶玩法对最终精度影响不大倒是让调试复杂不少。4.3 学习率调度与早停两个让训练更稳的习惯损失曲线在训练初期抖是正常的但如果到第 10 个 epoch 还在抖就要停下来查。我习惯用 CosineAnnealingLR 或者 StepLR一个周期降一次。遥感数据集普遍不大一般 30 到 50 个 epoch 就能收敛学习率从 1e-3 降到 1e-5 比较稳。早停用验证集 loss 做依据连续 5 个 epoch 没有下降就停。有一点要特别提醒验证集必须和训练集来自不同的影像区域绝不能从同一景影像的 patch 里随机拆分。因为相邻 patch 之间的相关性太强了这种划分会让验证集失去独立性验证准确率虚高模型一上真实数据就现原形。按文件名前缀把同一大影像的所有 patch 归入同一个集合——比如按影像编号分 train/val——才能真正衡量泛化能力。提示如果你的数据是分块存储的比如一块区域一个 GeoTIFF最简单的划分方式是按块划分而不是按 patch 随机划分。这个坑几乎每个做遥感的人都会踩等模型上线后才发现验证准确率 98%、实际只有 80% 时已经晚了。5. 遥感湖泊识别的避坑与排查5 个高频翻车现场5.1 明明有湖水模型就是预测无湖现象验证集整体准确率很高但看测试集里的大湖、深水区全被预测成无湖反而小水塘识别得很准。原因训练数据里大湖样本大多被“无湖”patch 淹没了——大湖在切 patch 时真正盖满水面的 patch 少边缘混合像素多导致正样本特征偏向“小块水面”。解决切 patch 时增加“全水面”patch 的采样权重或者把湖泊区域按连通域标注——每个连通域单独编号然后用连通域级别的采样策略保证大湖的核心区域不被切碎后漏掉。5.2 云影和山体阴影被当成湖泊现象在测试影像上所有深色区域都被标成湖。原因RGB 影像里水面和阴影的光谱特征高度重叠单靠像素颜色无法区分。这种情况是 ResNet 的特征表达局限不是调参能解决的。解决换多光谱数据把近红外波段加进来——水面在近红外波段强烈吸收而阴影里植被在近红外波段反射率高这个差异能让模型“看见”水。如果只能用 RGB就在数据增强时加入随机亮度扰动强迫模型不依赖绝对颜色改看边界形态。5.3 残差连接参数爆炸现象训练 loss 一开始就 NaN或者第 5 个 epoch 后 loss 突然变成 NaN。原因学习率太高加上 batch size 过大BN 层的 running mean 和 running variance 不稳定。遥感影像的数值范围如果没归一化到 [0,1]输入数值偏大会让第一个卷积的输出爆炸。解决检查数据加载管道的归一化——确保像素值除以 255然后按 ImageNet 的 mean/std 做标准化。再把学习率降低 10 倍试跑一次。如果还炸就在模型的第一个卷积后面插入一个 BN 层并设置torch.backends.cudnn.benchmark True和torch.autograd.set_detect_anomaly(True)定位哪一步出了问题。5.4 模型收敛很快但验证集不涨现象训练集准确率飞速到 95%验证集准确率停在 75% 不动甚至开始下降。原因模型容量和训练图片数量不匹配这是标准的过拟合。解决手段优先级从高到低第一加大数据增强强度——旋转角度从 90 度扩大到任意角度第二减少模型容量ResNet 50 换回 ResNet 18第三加 Dropout——ResNet 本身没有 Dropout可以在分类头前加一个nn.Dropout(p0.5)第四把 batch size 从 32 降到 16能起到轻微的正则化效果。5.5 遥感影像坐标信息被丢弃现象模型在 patch 级别上表现很好但合成大图预测结果时湖泊边缘出现大量错位、锯齿。原因切 patch 后没有保存地理位置信息预测时把 patch 拼接回大图时发生了坐标偏移。解决切 patch 时把每个 patch 的transform仿射变换矩阵存成一份 GeoJSON 或直接存在文件名里预测结束后用反向变换把结果拼回去。最省事的做法是切 patch 时记录x,y行列号拼图时按行列号填回。这一条不算模型问题但属于遥感工程落地里最常见的低级错误。6. 模型验证与进阶从 准确率到 真正能用模型训练完准确率再高也不代表能上线。遥感湖泊识别的验证不能只看整体准确率因为它会被“无湖”大类主导。我建议至少看三个指标精确率预测有湖里真有多少是湖、召回率真实湖泊有多少被找出来了和 F1-score。二分类问题里湖泊识别更看重召回率——漏报一个湖比误报一个湖代价更高毕竟你要的是“有没有湖”的判定宁可多看一张也不漏掉关键区域。画 ROC 曲线和混淆矩阵能快速定位模型在哪类样本上犯错误。下面的脚本用 sklearn 一行算出全部指标from sklearn.metrics import classification_report, confusion_matrix, roc_auc_score import torch def evaluate_model(model, dataloader, device): model.eval() all_preds [] all_labels [] all_probs [] with torch.no_grad(): for imgs, labels in dataloader: imgs imgs.to(device) outputs model(imgs) probs torch.softmax(outputs, dim1) _, preds torch.max(outputs, 1) all_preds.extend(preds.cpu().numpy()) all_labels.extend(labels.numpy()) all_probs.extend(probs[:, 1].cpu().numpy()) print(classification_report(all_labels, all_preds, target_names[无湖, 有湖])) print(混淆矩阵:\n, confusion_matrix(all_labels, all_preds)) print(AUC:, roc_auc_score(all_labels, all_probs))这段代码的输出要这么读如果混淆矩阵显示“无湖→有湖”方向有大量误报说明模型对深色地表阴影、潮湿土壤区分不够回去检查数据增强和特征如果“有湖→无湖”漏报多说明样本里细长河流和小水塘没学好考虑把训练 patch 重叠率提高。AUC 值如果低于 0.9模型距离真正业务场景还有距离不建议直接部署高于 0.95 可以进入下一步的实地验证。进阶方向有三个按投入产出比排序。第一是热力图可视化用 Grad-CAM 输出模型注意力看它判断“有湖”时到底在盯哪个区域。如果注意力发散到云、建筑物上说明模型学会了伪相关需要清洗标签或增加负样本。第二是做时序变化检测用同一地区的多期影像分别预测叠加出“湖泊面积变化”结果——这比逐期人工勾画效率高得多也是很多实际项目里的真实需求。第三是换更强的骨干网络比如用 Transformer 类模型或 FPN 结构来增强细粒度特征的捕捉能力适合你对现有 ResNet 的瓶颈已经有明确感知之后再做而不是一开始就上。最后说一个例行习惯每次训练完我都会把模型权重、训练曲线截图和评估指标存成一个带日期的文件夹备注当时改了哪些参数。这看着麻烦但真到模型效果回退、需要找出是数据变了还是训练参数漂了的时候这就是后悔药。试过几次之后你就明白工程上的稳定性全靠这点记录习惯撑起来的。希望帮到你。本文还有配套的精品资源点击获取