简介：一份面向计算机视觉课程的大作业解决方案，聚焦卫星云层图像的理解与识别。项目以Python为主要实现语言，附带实验报告PDF、答辩PPT和README说明，适合高校计科、人工智能、自动化等专业的学生用于课程设计、毕业设计或作为入门进阶的项目范本。代码经过测试并成功运行，上传前已验证，可放心用于学习二次开发。包体共140个文件，约62.33MB，其中包含70个.py源码、44个.pyc编译文件、6个shell脚本、5个.csv数据文件、若干yaml配置文件等，覆盖模型训练、测试、结果展示等环节。目录结构完整，结果图片、数据文件和说明文档均已整理好，便于读者快速定位关键模块。目前已有239人学习下载，资源中还包含详细的实验报告与讲解PPT，适合作为项目初期的立项演示和答辩参考，也支持在现有代码基础上修改实现其他功能。
1. 卫星云层图像的理解与识别：一份能直接跑通的计算机视觉大作业源码
卫星云层图像的理解与识别，听起来像遥感专业才会碰的方向，实际上它是计算机视觉大作业里很典型的「小样本图像分类」题目：数据量不大、类别明确、要从数据读到模型训练再到实验报告全链路交付。这份资源把整条链路都备齐了——Python 源码、700 张训练样本的 CSV、四个独立测试集、实验报告 PDF、答辩 PPT 和结果图，下载解压后就能对照自己的课程设计或者毕设初期演示来复用。我按照自己拆这类项目的习惯，把文章分成「看懂 CSV 数据结构 → 双路线建模 → 小样本训练技巧 → 避坑 → 答辩级展示」五段，新手能一步步跟着复现，熟手可以直接跳到参数和踩坑部分。
2. 先把 CSV 看懂：700 张云图的字段结构与预处理
2.1 先回答最朴素的问题：CSV 里装的到底是图像还是特征
拿到train_700.ver0.csv这样的文件，第一反应往往是懵的：说好是图像识别，怎么给的是电子表格？这其实是这类课程项目的常见组织方式——每行是一个样本，前面若干列是图像像素展开或者手工特征，最后一列是标签。先用 pandas 打开看结构，不要急着训练：
import pandas as pd df = pd.read_csv("train_700.ver0.csv") print("shape:", df.shape) print("列名前10个:", df.columns[:10].tolist()) print("最后两列:", df.iloc[0, -2:].tolist()) print("标签分布:\n", df.iloc[:, -1].value_counts())这段代码回答三个问题：样本量是多少、每行有多少列、标签列长什么样。shape 里如果是(700, 3073)，说明 700 张图、每行 3072 个像素值加 1 个标签；如果列数不能直接开平方，大概率是灰度图加通道数，或者前面还有若干特征列。打印最后一列的value_counts()，能看到标签是stratus、cumulus、cirrus、ocean之类字符串，还是已经被编码成 0/1/2/3，后面建模时处理方式不一样。
接下来还要确认像素值域。云图这种数据，有的题目已经把像素归一化到 0~1，有的还是相机原始 0~255。判断方法很简单：
import numpy as np pixel_part = df.iloc[:, :-1].values.astype(np.float32) print("像素最小值:", pixel_part.min(), "最大值:", pixel_part.max()) print("单行像素总数:", pixel_part.shape[1])常见做法是根据值域决定要不要除以 255。如果打印出来最大值在 255 附近，就除以 255；如果已经在 1 以内，就别画蛇添足。这里有个很容易踩的坑在后面单列，先记住：归一化的判断依据是实际值域，不是文件名。
2.2 像素归一化与训练/验证集划分：种子固定比玄学调参重要
小数据集最怕的是验证集划分不稳定。700 张样本，随便切一次和再切一次，验证集上的准确率能差三到五个百分点，这不是模型问题，是划分问题。所以我会固定随机种子，同时用分层划分保证每个类别在训练集和验证集里的比例一致：
from sklearn.model_selection import train_test_split import numpy as np X = df.iloc[:, :-1].values.astype(np.float32) y = df.iloc[:, -1].values # 值域判断后做归一化 if X.max() > 1.0: X = X / 255.0 X_train, X_val, y_train, y_val = train_test_split( X, y, test_size=0.2, stratify=y, random_state=42 ) print("训练集:", X_train.shape, "验证集:", X_val.shape)stratify=y是必须写的，尤其当某个类别只有一百来张时，不做分层划分很可能验证集里直接缺一个类，后面classification_report会报警告，答辩时也很难看。random_state=42是为了可复现——实验报告里写「准确率 91.5%」的前提是别人按同样代码能重新跑出这个数，种子不定，复现就是空话。
2.3 四个测试集的分工：model_test_1 到 4 为什么要分开处理
资源里给了model_test_1.csv、model_test_3.csv、model_test_4.csv和test.csv，很多初学者习惯把它们 concat 成一个大文件再预测，这是一个后面会详细说的坑。这里先把正确读法写出来：
import pandas as pd test_files = ["model_test_1.csv", "model_test_3.csv", "model_test_4.csv", "test.csv"] for name in test_files: tdf = pd.read_csv(name) print(name, "shape:", tdf.shape) print(" 前两行最后两列:", tdf.iloc[:2, -2:].values.tolist())为什么要逐个看而不是直接拼？因为这几个测试集很可能来自不同拍摄条件或不同区域，分布不一致。逐个查看能确认每个文件的行数、列数是否一致，以及有没有缺失标签列。实际预测时也应该分别输出submission_1.csv、submission_3.csv这类独立文件，不要提前合并，否则后期发现问题想拆分就得重跑。
3. 建模双路线：先跑通机器学习基线，再用 CNN 提点
3.1 路线一：随机森林/SVM 做基线，十分钟拿到第一个可信分数
图像识别大作业如果直接上 CNN，报告里缺少对照实验，答辩容易被问「你怎么证明 CNN 比传统方法好」。所以我的习惯是先做一个传统机器学习基线，哪怕只是为了支撑报告里的对比表格。700 个样本、几千维特征，随机森林在笔记本上几分钟就能跑完：
from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score, classification_report from sklearn.preprocessing import StandardScaler scaler = StandardScaler().fit(X_train) X_train_s = scaler.transform(X_train) X_val_s = scaler.transform(X_val) clf = RandomForestClassifier( n_estimators=200, max_depth=16, random_state=42, n_jobs=-1 ) clf.fit(X_train_s, y_train) pred = clf.predict(X_val_s) acc = accuracy_score(y_val, pred) print("RandomForest val acc:", round(acc, 4)) print(classification_report(y_val, pred))参数上n_estimators=200对 700 样本足够，n_jobs=-1让所有 CPU 核并行，max_depth=16防止树太深在小数据上完全记住训练集。这里用了StandardScaler，虽然随机森林对尺度不敏感，但如果你同时做了 SVM 对照，scaler 可以复用，一套代码出两组结果。
SVM 也是一样，sklearn.svm.SVC换上 RBF 核就能跑。实践中随机森林在这个量级的数据上往往已经能到 85% 以上的准确率，这就是报告里「传统方法天花板」的参照线。后面 CNN 如果只高出两三个点，也能说明问题。
3.2 路线二：小型 CNN 结构设计，别一上来就搬 ResNet
700 张图训 ResNet 大概率过拟合到怀疑人生。课程大作业的正解是设计一个参数量在几十万级别的小网络：三层卷积加两层全连接，既有深度学习的内容可写，又能在普通笔记本上用 CPU 几分钟训完一个 epoch。这里假设数据能还原成 3 通道 32×32 的图像，如果实际是灰度图，把第一层的nn.Conv2d(3, ...)改成 1 即可：
import torch import torch.nn as nn class SmallCloudCNN(nn.Module): def __init__(self, num_classes=4): super().__init__() self.features = nn.Sequential( nn.Conv2d(3, 16, 3, padding=1), nn.ReLU(), nn.MaxPool2d(2), # 32 -> 16 nn.Conv2d(16, 32, 3, padding=1), nn.ReLU(), nn.MaxPool2d(2), # 16 -> 8 nn.Conv2d(32, 64, 3, padding=1), nn.ReLU(), nn.MaxPool2d(2), # 8 -> 4 ) self.classifier = nn.Sequential( nn.Flatten(), nn.Linear(64 * 4 * 4, 128), nn.ReLU(), nn.Dropout(0.3), nn.Linear(128, num_classes), ) def forward(self, x): return self.classifier(self.features(x))注释里标注了每一层池化后的特征图尺寸变化：32×32 经过三次MaxPool2d(2)变成 4×4，64 * 4 * 4 = 1024就是全连接层的输入维度。如果你的图像是 64×64，这个数要改成64 * 8 * 8，很多人的代码一跑就报错就是没算这一步。Dropout 放 0.3，对小网络来说是个比较稳妥的值，太大模型学不动，太小起不到正则作用。
3.3 训练循环与评估：交叉熵、Adam、保存最佳模型
训练部分用最标准的 PyTorch 写法。关键点是：验证集上表现最好的模型要单独保存，而不是用最后一个 epoch 的参数。大作业报告里的最终指标应该来自「最佳验证模型」：
import torch.optim as optim from sklearn.preprocessing import LabelEncoder # 标签转索引 le = LabelEncoder() y_train_idx = le.fit_transform(y_train) y_val_idx = le.transform(y_val) X_train_img = torch.tensor(X_train).reshape(-1, 3, 32, 32) X_val_img = torch.tensor(X_val).reshape(-1, 3, 32, 32) y_train_t = torch.tensor(y_train_idx) y_val_t = torch.tensor(y_val_idx) model = SmallCloudCNN(num_classes=len(le.classes_)) optimizer = optim.Adam(model.parameters(), lr=1e-3) criterion = nn.CrossEntropyLoss() best_acc = 0.0 best_state = None for epoch in range(30): model.train() for i in range(0, len(X_train_img), 32): xb = X_train_img[i:i+32] yb = y_train_t[i:i+32] optimizer.zero_grad() loss = criterion(model(xb), yb) loss.backward() optimizer.step() # 验证 model.eval() with torch.no_grad(): pred = model(X_val_img).argmax(dim=1) val_acc = (pred == y_val_t).float().mean().item() if val_acc > best_acc: best_acc = val_acc best_state = {k: v.clone() for k, v in model.state_dict().items()} print(f"epoch {epoch+1:02d} | val_acc {val_acc:.4f} | best {best_acc:.4f}") model.load_state_dict(best_state) print("best val acc:", round(best_acc, 4))batch_size=32对 700 样本合适；lr=1e-3是 Adam 的默认推荐值，如果发现验证集震荡再考虑降到 3e-4。best_state的深拷贝很重要，PyTorch 里model.state_dict()返回的是引用，直接赋值会在后续优化器 step 时被改掉，很多人的最佳模型指标莫名其妙变差就是栽在这里。
4. 小样本训练的常用技巧：数据增强与学习率调度
4.1 数据增强：把 700 张变成 1400 张有效样本
700 张图对 CNN 来说确实紧张，数据增强是性价比最高的正则手段。但云图和猫狗图不一样，翻转、旋转是有物理意义的——云的朝向本身没有固定方向，所以水平翻转和小幅旋转都是安全的。这里用torchvision.transforms实现，注意训练集和验证集的 transform 必须分开：
from torchvision import transforms train_tf = transforms.Compose([ transforms.RandomHorizontalFlip(p=0.5), transforms.RandomRotation(degrees=10), transforms.ColorJitter(brightness=0.2, contrast=0.2), transforms.ToTensor(), ]) val_tf = transforms.Compose([ transforms.ToTensor(), ])RandomRotation(10)是血泪教训换来的参数——超过 15 度，云图纹理会被扭曲，模型反而学不到稳定特征。ColorJitter 的 brightness 和 contrast 给 0.2 就好，云图是遥感数据，颜色偏移太大等同于引入噪声。增强后的数据不需要单独存储，PyTorch 的Dataset每次迭代时实时做变换，代码上只是在取样本时多套一层 transform。
实际操作时，我会把验证集准确率作为增强是否有效的唯一标准：增强前 88%，增强后 91%，说明有效；如果增强后反而下降，先检查旋转角度是不是太大了。
4.2 学习率调度与早停：对抗小数据上的验证集震荡
小数据集训练有个典型现象：验证集准确率在某个值附近来回跳，不上升也不崩。这时候硬 train 只是浪费机器时间，正确做法是学习率调度加早停。我一般用ReduceLROnPlateau，它在验证集 loss 连续几个 epoch 不降时自动把学习率减半，非常省心：
import copy scheduler = optim.lr_scheduler.ReduceLROnPlateau( optimizer, mode="min", factor=0.5, patience=5 ) best_val_loss = float("inf") bad_epochs = 0 max_bad = 10 for epoch in range(60): train_loss = run_train_one_epoch() # 复用上一节的训练循环 val_loss, val_acc = validate() scheduler.step(val_loss) if val_loss < best_val_loss - 1e-4: best_val_loss = val_loss best_state = copy.deepcopy(model.state_dict()) bad_epochs = 0 else: bad_epochs += 1 if bad_epochs >= max_bad: print(f"early stop at epoch {epoch+1}") breakpatience=5的意思是验证集 loss 连续 5 个 epoch 不创新低就降学习率，max_bad=10是早停阈值。注意 loss 的「新低」判断留了1e-4的容差，避免浮点噪声触发误判。把这两个参数写进实验报告，老师一眼就知道你不是只会model.fit()。
4.3 从结果图反推：复刻验证集评估图，报告直接可用
下载包里带了一张结果图，如果你要写自己的报告，建议按同样的方式生成三类图：训练/验证 loss 曲线、验证集准确率曲线、混淆矩阵热力图。这些图是答辩时的主力素材。画图脚本可以复用下面这个框架：
import matplotlib.pyplot as plt import seaborn as sns from sklearn.metrics import confusion_matrix # 假设已经收集了每个 epoch 的 train_loss_list 和 val_acc_list plt.figure(figsize=(8, 5)) plt.plot(train_loss_list, label="train loss") plt.plot(val_acc_list, label="val acc") plt.xlabel("epoch") plt.ylabel("loss / acc") plt.legend() plt.tight_layout() plt.savefig("result_curve.png", dpi=200)dpi=200是给论文和 PPT 用的最低标准，默认的 100 会糊。混淆矩阵用 seaborn 画，annot=True把数字直接标在格子里，云图类别之间哪些容易混一眼就能看出——比如卷云和层云经常互相误判，这正是答辩时可以主动讲的故事。
5. 卫星云图识别避坑指南：五个真实踩过的坑
5.1 reshape 报错：最容易在第一步翻车
现象：X_train.reshape(-1, 3, 32, 32)报cannot reshape array of size 3072 into shape (3,32,32)。
原因：单行像素总数 3072 可以拆成 3×32×32，但你没有确认它到底是 3 通道 32×32，还是灰度图 1×64×48，或者前面还混着几列特征。
解决：先打印pixel_part.shape[1]，然后做因式分解判断。3072 优先试(3, 32, 32)，如果数据本身是灰度，就用(1, H, W)后在第一个卷积层把in_channels改成 1。永远不要盲目猜 shape。
5.2 验证集指标忽高忽低，同一份代码跑两次结果不一样
现象：第一次跑 val acc 91%，第二次跑只有 87%，模型结构一点没动。
原因：train_test_split没固定random_state，或者 PyTorch 的 DataLoader 没设torch.manual_seed。700 样本的验证集只有 140 张，随机波动被放大到肉眼可见。
解决：在文件最开头加一段固定种子的代码：
import torch import numpy as np def set_seed(seed=42): torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) np.random.seed(seed) set_seed(42)5.3 标签字典排序错位，测试集输出全乱
现象：训练时用sorted(set(y))构建字符串到索引的映射，预测测试集后输出类别感觉「差了一位」，准确率暴跌。
原因：数据预处理脚本和预测脚本各写了一次字典构建逻辑，类别顺序在不同版本 Python 或不同环境下排序不稳定；或者训练时用了LabelEncoder，预测时忘了复用同一个实例。
解决：训练完成后把标签字典存成文件，预测时只加载不重建：
import json label_dict = {label: idx for idx, label in enumerate(le.classes_)} with open("label_dict.json", "w", encoding="utf-8") as f: json.dump(label_dict, f, ensure_ascii=False)推理脚本里json.load读回来，反查时用字典的 value 找 label，一劳永逸。
5.4 数据增强一把梭，训练集 loss 比验证集还高
现象：加了旋转 30 度、亮度抖动 0.5、随机裁剪之后，训练集 loss 居高不下，验证集也跟着崩。
原因：增强强度过大，把云图扭曲成了模型不认识的样子。增强的目的是引入多样性，不是制造噪声样本。
解决：从最轻的组合开始——水平翻转加 Rotate 10 度，跑一个 epoch 看训练集 loss 能不能正常下降；能下降再加 ColorJitter。每一步都以验证集指标为判断依据，不要一次性堆满。
5.5 四个测试集合并预测，提交后准确率参差不齐
现象：把model_test_1.csv、model_test_3.csv、model_test_4.csv和test.csv拼成一个表预测，提交后某些文件准确率高、某些文件低得离奇。
原因：这些测试集可能来自不同的卫星、不同时间段或不同地理区域，数据分布不一致。合并后模型在分布内的测试集上表现正常，分布外的就是靠猜。
解决：分别读、分别预测、分别保存输出。报告里也分开写每个测试集的结果，并讨论差异原因——这反而是答辩加分项，说明你做了数据分布分析，而不只是跑了个模型。
6. 从 CSV 重建云图：生成答辩级可视化素材的最后一公里
6.1 把一行像素还原成一张能看的云图
这是很多人在答辩前才想起的事：整个项目跑完了，报告里连一张原始输入图都没有。其实从 CSV 还原图像只需要十几行代码：
import matplotlib.pyplot as plt sample = X_train[0].reshape(3, 32, 32).transpose(1, 2, 0) # CHW -> HWC plt.imshow(sample) plt.title(str(y_train[0])) plt.axis("off") plt.savefig("sample_cloud.png", dpi=200)transpose(1, 2, 0)是因为 PyTorch 用 CHW 顺序，matplotlib要的是 HWC，不转的话图像颜色通道会错乱。建议从训练集中挑 3~4 张有代表性的图，外加 2 张模型预测失败的图，做成对比图放进 PPT，比任何技术描述都有说服力。答辩时如果被问到「数据长什么样」，直接把这张图调出来，比空口解释强得多。
6.2 PPT 与实验报告的结构对齐
实验报告 PDF 和报告 PPT 是这份资源里容易被忽略但非常值钱的部分。我翻这类报告时发现，真正得分高的结构就四块，按这个顺序写不会乱：任务描述与数据说明、方法（传统方法对照加 CNN 细节）、实验（参数、曲线、混淆矩阵、失败分析）、结论。表格里每一行都要能对应到一个你跑过的实验，报告里的准确率不要写「很高」「效果不错」这种话，直接写数字加模型名，分数自然就上去了。
训练脚本、CSV、四个测试集、实验报告和 PPT 我都整理在下载包里，拿到手先按第 2 章的脚本跑一遍数据检查，再用第 3 章的 CNN 训练脚本出一版自己的结果。整个过程里我吃过最多的亏就是没固定随机种子和乱猜 reshape 维度，现在每次拿到新的 CSV 图像数据，我都会强制先写一段数据检查再碰模型。希望帮到你。
本文还有配套的精品资源，点击获取
