百度点石-人工智能农作物识别比赛总结

（初赛排名第8，虽然成绩较差，但觉得参与其中，收获颇丰，借此分享一下，欢迎交流）

1.背景介绍

       本次竞赛目的是对某一时刻一张遥感卫星多光谱影像进行分类，需识别为4种类别：玉米、大豆、水稻和其他（背景）。提供的多光谱影像，如图1所示（1,2,3波段合成的影像），覆盖850公里*300公里，8个波段。此外影像中含有较大面积的厚云、薄云、云影的部分，其中通过阈值的方法，厚云的部分占总面积的近8%，特别是右下角尤为显著。

       数据标记提供：标注的样本点数据，给定玉米、大豆和水稻3个类别农作物对应区块的中心点像素位置（x,y）列表，以及对应中心点对应的区块半径3。

       本次竞赛要求：利用深度学习等智能算法自动识别出所给图像对应的类别，并依据识别准确度和时效性进行评价。

                                                                        图1 多光谱影像（其中1,2,3波段合成）

2.预处理

       深度学习方法处理的数据是图像块或栅格数据或数值的特点，本次竞赛提供的标记是点坐标和半径，据此，我们需要制作栅格数据作为训练样本库，以训练我们使用的深度学习模型。

2.1 数据特征

       提供的多光谱数据解压后，通过ENVI软件转为栅格影像后大小为13.3G。标记数据以坐标和半径的格式提供了2,372个点，只含大豆、水稻、玉米三种类别的数据点，如图2所示。根据深度学习算法使用数据的特点，我们将以每个点为中心，开一个窗口大小为7*7的影像块，并记录其所属类别值。以此建立基本的样本库。

                                                                                   图2 标记数据点的分布

       在训练深度学习网络时，我们一般都使用较大的数据量来训练，以充分学习每类样本的各种丰富特征。另一个值得注意的点是：本次竞赛提供的样本点不包括其他类别（背景），这里我们通过对已有样本的分析，以及对原始影像的使用，以此来生成背景样本。同时基于本竞赛提供的仅有2,732个样本点，我们采用一定的策略进行数据增强，扩充样本量到40,000个样本。

2.2 数据增强

2.2.1 生成背景点

       通过对提供的2,732个样本点生成的7*7影像块的特征进行分析，以生成背景样本。思路：已知数据的整体分布特点（原始影像），以及其中三种类别（大豆、水稻、玉米），要获取剩下的一种类别（背景）的数据特点，则只需进行一个减法即可。

                                                                                       表1 BMD分布

       具体地，针对获取的2,732个7*7的8通道的影像块，计算每个影像块8个通道的平均值，以获得每一个通道的均值分布，记为BMD（Band mean distribution，BMD）分布，如表1所示。显然，某个7*7的影像块，8个通道的均值落在该BMD分布里，则该影像块属于农作物类别（属于大豆、水稻、玉米中的一种）。若不满足要求，则为背景类。这里为更好地获取背景类的样本点，加入一个约束指标，满足至少两个通道不在该范围内，则为背景样本。同时为更好符合数据的真实性，我们从原始影像中随机生成一个7*7窗口的影像块，进行实验，生成的样本量达20,000个。

                                                                      图3 部分背景点显示（红色标记）

2.2.2 农作物样本点

       为更好地训练深度学习网络，需对农作物样本（大豆、水稻、玉米）进行数据增强。

                                                               图4 农作物样本增强部分显示（浅色调）

思路：在提供的2,732个样本点附近，随机生成一个点，并开一个7*7窗口大小的影像块，并计算该影像块的8个波段的均值是否在当前选取点（2,732个中的某一个）对应的影像块的8波段均值加减一个阈值p的范围内。这里给定三个约束；阈值p通过试验设置为50；满足至少5个波段以上的均值在该范围内；随机点在以2,732个样本点（参考样本点）的半径为21范围内，按离参考样本点的距离生成样本点的概率依次减小。如此进行数据增强，包括原始的2732个在内，共有20,000个样本点。

2.3 建立训练样本库

       根据2.2节介绍的内容，我们以此建立深度学习网络所需的训练样本库。我们设置训练集与验证集的比例为4:1，在训练的过程中，通过大样本的验证集以获取最优的训练模型。

3.网络架构

       在不断试验中，我们最终提出了一种多特征增强网络模型（Multi-feature augmentation network，MFAN），其性能稳健，基于网络传输中数据存在利用不充分的问题，以及针对本竞赛利用像素信息（几乎没有涉及样本的纹理、形状、大小等特征信息）进行分类的特点进行设计。

                                                                                              图5 MFAN网络架构

4.训练测试

4.1 训练过程

       为了使训练的时间更快，我们在制作训练样本库时，将制作的样本数据以Numpy的数据格式、扩展名为.npy进行保存。

       实验在GTX1080Ti，以Keras作为深度学习框架进行，我们使用的损失函数为多分类交叉熵损失函数，使用Adam优化器对网络参数进行更新，学习率为1e-4，batch_size大小设为128，epoch设为300个。训练用时50分钟左右。

       在基本的设置完成后，并开始进行训练。在测试阶段，一般（以训练的经验）第220个epoch左右的训练模型进行测试完整的影像。

4.2 测试技巧

       在测试时，顾及测试的时效以及测试精度，我们将3*3大小影像区域视为同一种地物。同时我们训练的样本块大小为7*7，所以在测试时，我们使用的影像块大小同样为7*7，例如在开始对影像进行测试时，我们读取影像的第1到第7行，所有的列，再依次分为7*7的影像块，并放入训练模型中进行测试。这样涉及一定的数据重叠，以及边缘无值得情况。这里主要考虑边缘填充的情况，显然这里使用就近填充的原则，进行填充。

       在测试得到完整的影像后，根据第1章背景介绍，厚云所占的比重达8%左右，在一些较大面积的厚云区域，无法获取厚云下到底是什么的情况下，这里对厚云区域进行默认填充，默认值为60。除此之外，使用MFAN模型测试后的结果没有进行任何后处理。测试用时1.5小时左右。

4.3 可视化测试结果

5.竞赛总结

       通过本次竞赛主要有三点值得很好总结的经验：

1. 充分利用提供的数据，进行各种数据增强，这样能很大程度上提升模型的泛化能力。
2. 在深度学习网络设计中，要针对特定的问题进行设计，这样更好地有利于提取分割目标的特征，便于高精度的分类。
3. 目前，深度学习的方法依然是依据概率统计的思想，如没能提供大量的训练样本时，很难达到较好结果，甚至很有可能差于传统的方法。针对本次竞赛，我们并没有用一些数字图像处理方法进行后处理，在实际应用中，结合一些后处理方法，可能有更好的表现。