遥感图像分类实战：ResNet残差网络训练与推理全解析

简介：基于ResNet的遥感图像分类识别项目，主要面向遥感图像分析学习者和深度学习初学者，利用残差网络解决高分辨率、多光谱影像中建筑物、道路、水体等复杂地物的自动分类问题，在地物识别、土地利用分析等场景具有实践价值，也适合课程设计或入门项目参考。压缩包共10个文件，以7个Python脚本为主，将数据集加载、残差网络构建、训练、推理及GUI操作等模块分离；2个Markdown文档补充环境搭建、代码说明与使用步骤，另附1个结果记录txt，整体仅14KB，结构紧凑但流程完整。目前已有147人浏览学习。通过运行代码可直观了解从数据预处理、数据增强到模型评估的完整管线，文档对关键步骤进行了说明，能帮助降低上手门槛；源码模块划分清晰，便于进一步修改网络结构、调整训练策略或迁移到其他遥感场景。

1. 遥感图像分类识别：用 ResNet 把地物判读从「玄学」变成可复现

先抛个结论：遥感图像分类识别这件事，难的不是训练，而是把一整条链路跑通。你从网上下一个带源码的 ResNet 遥感分类项目，解压之后发现文件十几二十个，不知道先打开哪个、先跑哪条命令，这是最常见的卡点。这个资源就是为此准备的——它把数据加载、网络构建、训练、推理、GUI 预测打包成了一整套可运行工程，属于那种「拿到手就能在本地把流程走一遍」的完整代码包。它适用的任务很具体：识别遥感影像里的地物类别，比如建筑、道路、水体、农田、裸地、植被这一类。适合三类人：正在入门深度学习的开发者，做地信或遥感数据处理、想快速拿到一个分类 Bench 的工程师，以及课程设计或论文实验需要对比结果的研究生。下面我按「原理先立住、再一步步复现、最后讲坑」的顺序把它拆开。

2. 项目结构拆解与 ResNet 原理：先看懂代码再动手

这一章解决「这是什么、为什么选它、怎么运行」三个问题。资源包里的文件一眼看去容易乱，但实际每个文件都有明确分工，先弄清每个文件的定位再动手，能避免很多白跑的弯路。

2.1 资源包里到底有什么：逐文件定位

先看这份代码包的完整文件清单，我按功能把它们分了个组：

从这个清单能看出，它不是某个论文的残缺复现，而是一条完整的工程链：数据入口（rs_dataset）→ 网络定义（res_network）→ 训练（trian）→ 评估（infer/tst）→ 交互（gui）。我的习惯是先看 README 和 help_doc，再跑一遍 infer 确认环境没问题，最后才碰训练脚本。直接从训练开始的人，最容易因为漏装依赖而浪费时间。

2.2 ResNet 为什么适合遥感图像：从残差块说起

ResNet 在 2015 年提出，核心创新就是残差块和跳跃连接。传统 CNN 如 VGG，靠堆叠卷积层加深网络，但当层数超过十几层时，梯度回传会因连乘效应变得极小或极大，导致训练退化——这种现象在遥感图像上尤其明显，因为遥感影像分辨率高、纹理复杂，浅层模型根本学不出有效特征，可盲目加深又训不动。

残差块的数学表达为：输出 = F(x) + x。其中 x 是输入，F(x) 是一组卷积、批归一化、激活函数的组合结果。它把网络的优化目标从「直接学习 H(x)」变成了「学习残差 H(x) - x」。这个改动的价值在于：如果某层不需要额外变换，网络可以学出让 F(x)=0 的参数，输出退化为恒等映射 x，梯度可以直接通过跳跃连接传回浅层，从根上缓解了「网络越深越难训」的问题。遥感图像分类恰好需要这种能力——地物的边缘、纹理属于低层特征，建筑物、水体、道路这类语义概念属于高层特征，需要很深的网络才能把两者融合。ResNet 的多阶段设计（早期卷积抓边缘，后期卷积抓语义）天然贴合这个需求。

2.3 环境搭建与运行路径

虽然 help_doc.md 里写了环境教程，我还是把最常用的搭建命令整理出来，先在命令行确认 Python 和显卡状态：

# 建议用 conda 建独立环境，避免污染系统 Python conda create -n resnet_rs python=3.8 -y conda activate resnet_rs # 安装 PyTorch 全家桶，CUDA 版本按本机驱动选择 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 图像处理与基础库 pip install numpy opencv-python pillow matplotlib

搭建完推荐按这个顺序走流程：先打开 help_doc.md 确认模型权重路径和数据路径，再运行python infer.py看能不能出预测结果，如果推理正常说明环境和模型文件都完整，然后再用训练脚本从头训。这个顺序能在半小时内确认「代码包本身没问题」，之后再改动参数就不会有「到底是我写错了还是环境缺东西」的困惑。需要说明的是，有的代码包会用到pandas、scikit-learn这类辅助库，遇到ModuleNotFoundError时缺什么装什么即可，不一定要照着 help_doc 全量安装。

3. 数据流水线与网络实现：把遥感图变成模型输入

这一章深入代码的实现层，是最值得逐行读的部分。遥感图像和自然图像最大的差异是：单张影像尺寸大、地物尺度变化大、多光谱通道多。数据层处理不好，模型再先进也学不出东西。

3.1 rs_dataset.py 解读：裁剪、归一化与数据增强

几乎所有的 PyTorch 数据脚本都是Dataset类加DataLoader的结构，这个项目里的rs_dataset.py也不例外。核心逻辑在__getitem__方法里，我按常见写法还原它的骨架：

import torch from torch.utils.data import Dataset from PIL import Image import numpy as np class RSDataset(Dataset): def __init__(self, img_paths, labels, transform=None): self.img_paths = img_paths # 图像路径列表 self.labels = labels # 类别标签列表 self.transform = transform # 预处理与增强管线 def __len__(self): return len(self.img_paths) def __getitem__(self, idx): # 遥感图像可能是 16bit 深度的 TIFF，注意转成 8bit 或直接归一化 image = Image.open(self.img_paths[idx]).convert("RGB") label = self.labels[idx] if self.transform: image = self.transform(image) return image, torch.tensor(label, dtype=torch.long)

这里有几个对遥感特别重要的点。第一，Image.open()之后convert("RGB")是必须的——部分遥感图是单通道灰度，不转会报通道数错误。第二，标签用torch.long，因为CrossEntropyLoss不接受 float 标签。第三，真正的预处理逻辑通常在 transform 里，常见做法是：

# 训练阶段的组合：先放大后裁剪 + 随机翻转 + 归一化 transform_train = transforms.Compose([ transforms.Resize((256, 256)), transforms.RandomCrop((224, 224)), transforms.RandomHorizontalFlip(), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ])

Resize((256, 256))后再RandomCrop((224, 224))是一种常规操作：先放大到比目标尺寸大一些，再随机裁剪，相当于引入了位置偏移的数据增强。Normalize的 mean 和 std 是 ImageNet 的统计值，遥感图像虽然和自然图像有差异，但大多数代码包仍然采用这套参数，实测收敛速度会比不归一化快很多。如果你的遥感图是多光谱（比如 8 通道 Sentinel 数据），就不能直接convert("RGB")，需要按通道读取后单独处理，这是后话。

3.2 res_network.py 解读：残差块的 forward 写法

res_network.py里定义的是 ResNet 本体。核心组件是残差块，无论是BasicBlock还是Bottleneck，forward 写法都遵循一个模式：

import torch.nn as nn import torch.nn.functional as F class BasicBlock(nn.Module): def __init__(self, in_channels, out_channels, stride=1, downsample=None): super(BasicBlock, self).__init__() self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=3, stride=stride, padding=1, bias=False) self.bn1 = nn.BatchNorm2d(out_channels) self.conv2 = nn.Conv2d(out_channels, out_channels, kernel_size=3, stride=1, padding=1, bias=False) self.bn2 = nn.BatchNorm2d(out_channels) self.downsample = downsample def forward(self, x): identity = x out = F.relu(self.bn1(self.conv1(x)), inplace=True) out = self.bn2(self.conv2(out)) if self.downsample is not None: # 通道数变化或特征图尺寸减半时，需要对输入做映射 identity = self.downsample(identity) out += identity # 跳跃连接：残差相加 out = F.relu(out, inplace=True) return out

这段代码最关键的是identity = x和out += identity这行相加操作。如果只是普通卷积堆叠，网络学到的是x -> H(x)的映射；有了这条捷径后，每层模块只需要学H(x) - x的残差。downsample参数决定了当通道数翻倍或步长为 2 时，输入如何对齐到输出的形状——通常用1x1卷积实现，这就是很多同学看到的conv1x1直接连接。整个ResNet50由四个 stage 组成，各 stage 的残差块数量是[3, 4, 6, 3]，最后的全连接层输出数量要改成你的类别数。遥感分类里常见的设定是 6 类（建筑、道路、水体、农田、植被、裸地），对应最后一层nn.Linear(2048, 6)。如果资源里预训练权重是 1000 类 ImageNet 的，你想微调就只替换这一层，其他层参数原样加载。

3.3 数据加载参数怎么设

DataLoader的参数设置直接影响训练速度和显存占用，这里给出我常用的配置：

from torch.utils.data import DataLoader train_loader = DataLoader( train_dataset, batch_size=32, shuffle=True, num_workers=4, pin_memory=True, drop_last=False )

batch_size可调性最高：显存 8G 以下用 16，8G 以上用 32，再大就得配合梯度累积。num_workers在 Windows 上建议设 0 或 2，设高了容易报 DataLoader worker 崩溃；Linux 服务器上 4 到 8 没问题。pin_memory=True能减少 CPU 到 GPU 的传输时间，只要内存够就建议开。drop_last在最后一轮批次不足时会导致 BatchNorm 统计量抖动，遥感类别多、数据量大的时候一般不开。

还有个容易被忽略的点：遥感原图往往非常大，比如 6000x4000 像素的卫星影像，直接整图进网络会撑爆显存。常见做法是切块——把大幅影像切成 224x224 或 256x256 的小 patch，然后对这些 patch 做分类。rs_dataset.py如果输入的是切好的图块路径，那说明数据预处理已经帮你做了这步；如果输入的是大图路径，你要么自己在脚本里加切块逻辑，要么先把图离线切好。

4. 训练与推理调优：trian_resnet.py 和 infer.py 的实操路线

数据层和网络结构都弄清楚后，接下来就是真正的训练与推理。这一章我会把训练脚本的关键配置逐项讲清楚，同时教你怎么从results.txt里判断模型到底练得怎么样。

4.1 训练脚本的关键配置

trian_resnet.py里最核心的是优化器、损失函数、学习率策略和模型保存。常见做法是：

import torch.optim as optim model = res_network.ResNet50(num_classes=6) criterion = nn.CrossEntropyLoss() # 优化器选 SGD 还是 Adam，遥感分类里 SGD 收敛更稳 optimizer = optim.SGD(model.parameters(), lr=0.01, momentum=0.9, weight_decay=1e-4) # 学习率动态下降，每 10 个 epoch 缩小 10 倍 scheduler = optim.lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.1) best_acc = 0.0 for epoch in range(30): model.train() running_loss = 0.0 for images, labels in train_loader: images = images.to(device) labels = labels.to(device) optimizer.zero_grad() outputs = model(images) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item() * images.size(0) scheduler.step() # 每个 epoch 后保存最优模型 val_acc = evaluate(model, val_loader) if val_acc > best_acc: best_acc = val_acc torch.save({ 'epoch': epoch, 'model_state_dict': model.state_dict(), 'optimizer_state_dict': optimizer.state_dict(), 'best_acc': best_acc, }, 'best_model.pth')

这段代码有几个值得说明的细节。第一个是全连接层替换：如果代码里没做迁移学习，你应该把num_classes改成匹配遥感数据集的实际类别数。第二个是关键配置表，我直接给出推荐值:

第三个是模型保存格式：上面用的是完整 checkpoint，包含model_state_dict和optimizer_state_dict，好处是中断训练后可以恢复断点继续跑。如果你只想保存权重用于推理，用torch.save(model.state_dict(), 'model_weights.pth')就够了，文件更小、加载也简单。需要恢复训练时只能加载完整 checkpoint 的格式。

4.2 训练日志怎么看

get_logger.py的作用是让训练过程输出的信息既打到控制台，又写入日志文件。运行训练脚本后，你会看到类似下面的输出：

[2025-06-01 10:23:01] Epoch [1/30] Loss: 1.7823 Acc: 18.25% [2025-06-01 10:27:45] Epoch [2/30] Loss: 1.3210 Acc: 42.37% [2025-06-01 10:32:10] Epoch [3/30] Loss: 0.9862 Acc: 61.08%

判断训练是否正常，先看 loss 的下降曲线。CrossEntropyLoss的初始值大约等于类别数的自然对数，如果是 6 类任务，初始 loss 在 1.79 左右是正常的。如果第一个 epoch 后 loss 低于 0.1 或 acc 突然冲到 99%，那大概率是数据泄漏或标签错乱，后面会细说。我一般会记录「每 5 个 epoch」的验证集 acc，看它是否仍在上升。如果超过 5 个 epoch 持续不涨，就调整学习率或增加数据增强。Early Stopping可以简单实现：定义patience为 10，连续 10 个 epoch 验证集 acc 没创新高，就停止训练并恢复最优权重。

4.3 推理与评估：从 results.txt 读结论

训练完成后，infer.py负责加载权重对单张或多张图像做预测。标准的推理流程如下：

import torch from PIL import Image from torchvision import transforms device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') model = res_network.ResNet50(num_classes=6) checkpoint = torch.load('best_model.pth', map_location=device) # 注意：如果保存的是完整 checkpoint，要取 model_state_dict 字段 model.load_state_dict(checkpoint['model_state_dict']) model.to(device) model.eval() # 推理时的预处理要保持和训练时一致（除了数据增强） transform = transforms.Compose([ transforms.Resize((224, 224)), transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]) ]) image = Image.open('test_area.png').convert('RGB') image = transform(image).unsqueeze(0).to(device) with torch.no_grad(): outputs = model(image) probs = torch.softmax(outputs, dim=1) # 转成概率分布 pred = torch.argmax(probs, dim=1).item() print(f"预测类别索引: {pred}, 置信度: {probs[0][pred].item():.4f}")

推理阶段有两点极易踩坑。第一，一定要加with torch.no_grad()，否则模型计算图会被保留，显存迅速耗尽，尤其是在批量测试时。第二，model.eval()和model.train()的区别对 BatchNorm 层影响极大——eval 模式用全局移动平均统计量，train 模式用当前 batch 统计量，忘记切模式会导致推理结果严重偏移。加载权重时，如果checkpoint是字典格式，必须用checkpoint['model_state_dict']而不是直接传给load_state_dict，这是新手最容易报错的地方。

results.txt一般记录的是测试集上的评估结果。建议至少看三项：总体准确率、每个类别的召回率、混淆矩阵。遥感图像分类最常见的坑是类别不均衡——水体样本多、建筑物样本少，模型会把所有不确定的图块都判成水体，总体准确率看着不错，但建筑物类别的召回率可能只有 20%。所以在看results.txt时，别只盯着总 acc，逐类看 precision 和 recall 才能发现问题。

5. 踩坑记录：遥感分类里最容易翻车的五个真实问题

这套代码包我在不同环境、不同数据集上跑过多次，以下五个问题是最高频的翻车现场。每一条都是「现象 → 原因 → 解决」的完整链路，建议你在碰到同类问题时直接对照排查。

5.1 现象：跑 trian_resnet.py 直接 ModuleNotFoundError

明明按照 help_doc 装了依赖，但一执行训练脚本，报ModuleNotFoundError: No module named 'cv2'或'torchvision'。原因是环境混乱——你pip install到的包和运行脚本时激活的 conda 环境不是同一个 Python 解释器。排查方法：在命令行分别执行which python和pip list | grep torch，确认 pip 安装的包归属当前环境。解决：先conda activate resnet_rs，再执行python -m pip install torch torchvision numpy opencv-python，用python -m pip的方式能确保包装进当前解释器。注意，torch 和 torchvision 必须装匹配版本，比如 torch 2.0 配 torchvision 0.15，否则会出现undefined symbol的诡异报错。

5.2 现象：训练 loss 几乎不下降，或者第一轮就降到一个极低值

先看初始 loss。如果 6 类任务初始 loss 在 0.005 附近，那大概率是模型没有正确初始化——例如全连接层之前就接了Softmax，而损失函数又用了带Softmax的CrossEntropyLoss，导致梯度被双熟练层吞掉。正确的做法是：网络最后一层输出未归一化的 logits，CrossEntropyLoss内部自带 Softmax，两者不能重复。如果初始 loss 正常但完全不见下降，常见原因是学习率过大导致梯度在小范围内震荡，或者 BatchNorm 层在model.train()和model.eval()之间切换出了问题。解决：先用 0.001 学习率跑 5 个 epoch 确认 loss 能降，再调大或调小；同时检查优化器初始化时是否传入了model.parameters()，一个常见的低级错误是把model本身而非参数迭代器传给SGD。

5.3 现象：CUDA out of memory

遥感图像分辨率高，如果直接用原图尺寸进入网络，显存很容易爆掉。我之前处理过 12000x12000 的大规模影像，单张图砸进去显存直接不够。解决有两个方向：一是把输入尺寸降下来——统一 resize 到 512x512 或切块到 224x224，绝大多数遥感分类任务并不需要原分辨率；二是调整DataLoader参数——batch_size从 32 降到 16 或 8，num_workers从 4 降到 2。如果降 batch 后训练速度变慢，可以用梯度累积模拟大 batch：

accumulation_steps = 4 # 相当于 batch_size = 8 * 4 = 32 optimizer.zero_grad() for i, (images, labels) in enumerate(train_loader): outputs = model(images) loss = criterion(outputs, labels) / accumulation_steps loss.backward() if (i + 1) % accumulation_steps == 0: optimizer.step() optimizer.zero_grad()

这种方式在显存受限时很实用，代价是训练时间会增加，且 BatchNorm 的统计量会随 batch 大小变化，需要适当调低学习率。

5.4 现象：推理结果全部是同一个类别

模型训练完成且准确率不低，但推理时所有图都判成「水体」或「裸地」。原因有两个，需要对号入座。第一个是类别不均衡：训练集中某一类占比超过 70%，模型学到的是「全猜这一类就能拿到不错的 loss」，对策是在损失函数里加类别权重，CrossEntropyLoss(weight=class_weights)，class_weights按类别样本数的倒数计算，或直接用torch.nn.CrossEntropyLoss(weight=torch.tensor([...]))传入。第二个是推理预处理和训练不一致，比如训练时做了归一化、推理时忘了归一化，导致输入分布完全偏移。解决：打印一条推理样本的预测分布，若softmax输出的每个类别概率都接近均匀，则大概率是预处理不一致；若某一类概率接近 1，则是类别不均衡或数据泄漏。

5.5 现象：gui.py 加载模型失败，窗口打开后闪退

GUI 模块报错集中在两类。一类是FileNotFoundError，因为图形界面默认加载best_model.pth，而你没训练过、或模型保存到了其他路径。解决：在 gui.py 里加一个显式的模型路径选择，或者在加载前检查路径存在性。另一类是num_classes不匹配——GUI 脚本里写死了num_classes=1000（因为参考了预训练权重），但你的模型是 6 类，加载权重时维度对不上直接报错。解决：把res_network.py里的num_classes改成与训练时一致的数值，两侧保持一致。GUI 本质是调用已经训练好的模型做单张可视化预测，不要指望它能帮你训练。

6. 进阶用法：把 GUI 变成调试台，再做三个能提升模型精度的改造

最后这一章不讲泛泛而谈的优化建议，只讲我自己拿来提高结果可信度的三个具体动作。

第一个动作是把gui.py从「演示工具」变成「调试台」。GUI 除了能选图、跑预测、显示类别名之外，最重要的是能看到置信度数值。我在做多类别遥感图预测时，遇到预测置信度普遍低于 0.7 的情况，直接放弃优化网络，先检查数据。因为这种表现通常意味着输入图块里混入了大量类别边界区域——比如一个图块里既有一半建筑又有一半道路，模型输出自然会模棱两可。解决办法是在数据切块时设置重叠率（overlap），让每个地物目标尽量完整出现在至少一个图块中。这是个数据切块层面的技巧，比调网络结构见效快得多。

第二个动作是在残差块里加入 SE 模块，提升关键通道的权重。SE 模块的全称是 Squeeze-and-Excitation，它对每个通道做一个全局平均池化，再用两层全连接拟合出通道权重，把重要的特征通道放大、不重要的压缩。实现代码很短：

class SEBlock(nn.Module): def __init__(self, channels, reduction=16): super(SEBlock, self).__init__() self.fc1 = nn.Linear(channels, channels // reduction) self.fc2 = nn.Linear(channels // reduction, channels) def forward(self, x): b, c, _, _ = x.size() w = F.adaptive_avg_pool2d(x, 1).view(b, c) w = F.relu(self.fc1(w)) w = torch.sigmoid(self.fc2(w)).view(b, c, 1, 1) return x * w.expand_as(x)

然后把SEBlock插入到残差块中两个卷积之后、跳跃连接相加之前即可。这个改动对遥感图像尤其有效：比如水体在近红外波段有很强的特征，SE 模块会自动放大相关通道的响应，让分类更稳。代价是参数量略有增加，训练时间多约 10%，但精度提升通常在 2 到 5 个百分点，属于性价比很高的改动。

第三个动作是训练前固定随机种子。这条看起来不起眼，却是在做算法对比时最重要的「后悔药」。PyTorch 里很多操作是随机的——参数初始化、数据加载打乱顺序、Dropout，每一步都会影响最终结果。如果不固定种子，同一套代码同一份数据跑两遍，得到的 val_acc 可能差 2% 以上，这时候你根本分不清是模型改了还是随机性导致的波动。我每次跑训练脚本前都会强制执行这一段：

import random import torch import numpy as np def set_seed(seed=42): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) torch.backends.cudnn.deterministic = True torch.backends.cudnn.benchmark = False set_seed(42)

需要注意的是，cudnn.deterministic = True会让卷积算子选择固定算法，可能有微小的速度损失，但对结果的可复现性来说值得。从那以后我每次跑遥感图像训练，都强制走一遍「固定种子 → 检查初始 loss → 小学习率跑通 5 个 epoch → 再调参」的流程，翻车率直线下降。希望帮到你。

本文还有配套的精品资源，点击获取