高分辨率遥感影像土地覆盖分类：可迁移深度模型实战指南

1. 从一张高分影像说起：为什么土地覆盖分类值得认真做

第一次接触高分辨率遥感影像分类，是帮一个做城市绿地调查的朋友处理一批亚米级航拍图。他给的需求很朴素：把图里的建筑、道路、水体、植被、裸地分开就行。我原以为拿个现成的分类模型跑一遍就完事，结果现实狠狠上了一课——同一片区域，换一景影像，模型精度直接掉一大截，阴影、季节、地物纹理差异全成了拦路虎。后来才明白，这就是遥感土地覆盖分类里最经典的痛点：跨场景泛化能力差。

土地覆盖分类（Land-cover classification）说白了就是给影像上的每个像素或每个图斑贴一个标签，告诉计算机这块地是"建设用地""耕地""林地"还是"水体"。它听起来像图像分类，但和普通图像分类有本质区别：普通图像分类一张图一个标签，土地覆盖分类是逐像素的密集预测，属于语义分割的范畴。而高分辨率遥感影像（High-resolution remote sensing images）又把这个任务推向了更难的层级——分辨率越高，地物内部纹理越丰富，类内差异越大，类间边界越模糊，一棵树和一片草地可能长得差不多，屋顶和水泥地也容易混淆。

这个项目标题里最关键的词其实是transferable deep models，也就是"可迁移的深度模型"。为什么强调可迁移？因为遥感领域有一个绕不开的现实：标注数据极其昂贵。让测绘人员逐像素勾画一张高分影像，成本高得吓人，而且不同传感器、不同地区、不同季节的影像分布差异巨大。如果每换一个场景就重新标注、重新训练，那这套方法根本没有工程价值。所以核心诉求就变成了：在一个或几个源域上训练好的深度模型，能不能迁移到没有标注的目标域上，还能保持可用的精度？

这篇文章适合谁看？如果你是从业者，正在做遥感解译、地理信息提取、城市变化监测，或者你手上有高分影像但苦于标注成本，那这套思路值得你花时间研究。如果你是深度学习方向的学生，想找一个既有理论深度又有落地价值的迁移学习应用场景，土地覆盖分类是个绝佳的练手场。我会从整体设计思路、核心细节、实操流程到踩坑经验，一层层拆开讲，尽量让你看完能直接上手复现。

2. 整体方案设计：迁移学习到底怎么"迁"

2.1 为什么不能直接拿ImageNet预训练模型硬套

很多人第一反应是：语义分割不是有现成的DeepLab、U-Net吗，拿ImageNet预训练的骨干网络微调一下不就行了？我一开始也这么干过，结果发现两个致命问题。

第一，域差异（domain shift）太大。ImageNet是自然图像，拍摄角度是地面视角，目标是单一物体；遥感影像是俯视视角，地物是成片的、有空间结构的。一个"车"在ImageNet里是主体，在遥感影像里可能只有几个像素，而且和道路、阴影纠缠在一起。骨干网络学到的底层特征（边缘、纹理）或许能复用，但高层语义特征几乎要重新学。

第二，标注域和目标域之间的分布差异。就算你在A城市的高分影像上训练得很好，换到B城市，由于光照、大气、传感器响应、地物类型的差异，模型性能会显著下降。这就是所谓的跨域问题。迁移学习要解决的，正是这个"源域训练、目标域可用"的矛盾。

2.2 可迁移深度模型的三种主流思路

结合我自己的实践和这个领域常见的做法，可迁移方案大致分三条路线，各有取舍。

第一条是特征对齐（feature alignment）。核心思想是让源域和目标域在特征空间里的分布尽量接近。常见做法是在网络中间层加一个域判别器，做对抗训练，让特征提取器学到的特征"分不清"来自哪个域。这条路线理论优雅，但训练不稳定，对抗训练容易崩，调参成本高。

第二条是自训练（self-training）与伪标签（pseudo-labeling）。先用源域模型给目标域打伪标签，挑置信度高的样本加入训练集，迭代优化。这条路工程上最实用，我后面会重点展开。它的好处是不需要目标域真值，坏处是伪标签噪声会累积，需要设计筛选策略。

第三条是数据层面的域适应，比如风格迁移，把目标域的影像"翻译"成源域风格再分类。这条路线对影像外观差异大的场景有效，但会引入额外的生成模型，流程变长。

提示：实际项目中，我通常采用"预训练骨干 + 特征对齐 + 伪标签自训练"的组合拳，而不是死磕单一方法。单一方法很难同时解决外观差异和语义差异。

2.3 方案选型的判断依据

怎么选？我总结了一个简单的判断逻辑，用表格列出来更清楚。

这个判断表是我踩了不少坑之后总结的。早期我迷信对抗训练，觉得"高级"，结果在一个跨季节任务上折腾了两周还不如伪标签跑三天。后来才想明白：方法没有高低，只有匹配不匹配。

3. 核心细节拆解：数据、模型与迁移机制

3.1 高分辨率影像的预处理要点

高分影像和普通图像最大的不同是尺寸。一景影像动辄上万像素，直接塞进网络显存根本扛不住。所以第一步是切图（tiling）。我一般切成512×512或1024×1024的块，重叠率设10%到20%，避免边界地物被切断导致训练噪声。

切图之后是归一化。这里有个容易忽略的点：不同影像的辐射差异很大，不能简单除以255。我通常按波段做z-score标准化，或者用直方图匹配把目标域影像的色调拉到源域附近。这一步对后续迁移效果影响很大，实测能提升几个点的精度。

还有一个细节是类别不平衡。土地覆盖里水体、建筑往往占比小，植被、农田占比大。直接训练模型会偏向多数类。我的做法是采用加权交叉熵，权重按类别频率的倒数来设，或者用focal loss压制易分样本。具体用哪个，看你的类别分布有多极端。

3.2 骨干网络与分割头的选择

骨干网络我推荐从两个方向选。如果追求精度，用ResNet-101或EfficientNet做编码器，配合空洞卷积（atrous convolution）保持感受野，这是DeepLab系列的经典配置。如果追求速度和部署便利，MobileNetV3或轻量Transformer做编码器更合适。

分割头部分，我实测下来ASPP（空洞空间金字塔池化）在多尺度地物上表现稳定，因为它能同时捕捉不同大小的目标。对于高分影像里"大楼"和"小路"这种尺度差异极大的情况，多尺度特征融合几乎是必须的。

这里补充一个关键点：迁移的时候，冻结哪些层、微调哪些层是有讲究的。底层特征（边缘、颜色）通用性强，可以冻结；高层语义特征域相关性强，必须微调。我的经验是冻结编码器前1/3的层，其余全部参与训练，这样既省算力又保精度。

3.3 迁移机制的核心：从特征对齐到伪标签

特征对齐的具体实现，我常用的是最大均值差异（MMD）或者域对抗神经网络（DANN）的思路。MMD的做法是在特征层计算源域和目标域特征的分布距离，把它作为损失的一部分，逼迫网络学出域不变特征。相比对抗训练，MMD更稳定，不容易崩，适合工程落地。

伪标签的流程我拆成四步走。第一步，用源域模型对目标域做推理，得到每个像素的类别概率。第二步，设定置信度阈值（我一般取0.9），只保留高置信度像素作为伪标签。第三步，把伪标签样本和源域样本混合，重新训练模型。第四步，重复前三步两到三轮，每轮适当降低阈值，让更多样本参与。

注意：伪标签的阈值不能一上来就设太低，否则噪声标签会把模型带偏。宁可少而精，不要多而杂。我见过有人阈值设0.6，结果第二轮模型就退化了。

3.4 损失函数的设计

损失函数是迁移效果的隐形推手。我的常规配置是：主损失用交叉熵（或focal loss）保证分类精度，辅助损失用MMD或对抗损失保证域不变性，再加一个一致性正则让伪标签训练更稳。三者加权求和，权重需要调，一般主损失占大头，辅助损失占0.1到0.5之间。

这里有个实操心得：辅助损失的权重不要固定，用渐进式增长。训练初期让模型先学好源域分类，后期再逐渐加大域对齐的权重。这样能避免一开始就被域对齐带偏，导致分类能力都没学好。

4. 实操流程：从零跑通一套可迁移分类方案

4.1 环境与数据准备

环境上，我一般用PyTorch配合CUDA，显卡显存建议不低于11GB，因为高分影像切块后batch size很难做大。数据准备阶段，源域需要有标注的影像和标签图，目标域只需要影像，不需要标签。如果目标域能搞到一点点标注（哪怕几十个图斑），对最终精度帮助巨大，强烈建议争取。

数据组织上，我习惯按如下结构存放，方便后续扩展：

dataset/ source/ images/ # 源域影像切块 masks/ # 源域标签 target/ images/ # 目标域影像切块

4.2 源域模型训练

第一步先在源域上把模型训到收敛。这一步不用考虑迁移，目标就是把分类精度拉满。学习率我用余弦退火，初始1e-3，训练100个epoch左右。batch size根据显存尽量大，配合BN层效果更稳。

训练过程中要盯紧验证集的混淆矩阵，尤其关注容易混的类别对，比如"建筑"和"道路"、"草地"和"农田"。如果某两类一直混，说明特征区分度不够，可以考虑加类别权重或者引入边界损失。

4.3 目标域伪标签生成与筛选

源域模型训好后，直接对目标域影像推理。输出的概率图里，每个像素取最大概率对应的类别。然后按置信度筛选，我一般先取0.9，统计一下高置信像素占比。如果占比太低（比如不到30%），说明域差异太大，得先做风格迁移或者降低阈值试探。

筛选出来的伪标签要可视化检查。这一步千万别省，我吃过亏——有一次伪标签里把大片水体标成了建筑，原因是源域水体样本太少。可视化一看就发现了，及时补了源域样本。

4.4 联合训练与迭代优化

把源域真值样本和目标域伪标签样本混合，重新训练。这一轮训练时，源域样本的损失权重可以设高一点（比如1.0），目标域伪标签样本权重设低一点（比如0.5），因为伪标签毕竟有噪声。

训练完一轮后，用新模型重新给目标域打伪标签，再筛选、再训练。一般迭代2到3轮就够了，再多收益递减还容易过拟合伪标签噪声。每一轮都记录目标域上的评估指标（如果有少量真值）或者目视检查效果。

4.5 关键参数与计算过程

这里给几个我常用的参数，附上选择理由。

关于MMD权重的渐进增长，我一般用线性升温：前20个epoch权重从0升到0.3，之后保持。这样模型先专注分类，再逐步对齐域分布。

5. 常见问题与排查技巧实录

5.1 精度不升反降怎么办

这是最常见的问题。原因通常有三个：伪标签噪声太大、域对齐损失权重过高、学习率太大把预训练特征冲垮了。排查顺序我建议先看伪标签质量，可视化几张，如果明显错标，就提高阈值或先做风格迁移。其次检查损失权重，把辅助损失调小试试。最后降学习率，用更小的步长微调。

5.2 某些类别始终分不对

如果某一类在目标域上一直错，八成是源域里这类样本太少或者外观差异太大。解决办法有两个：一是在源域里补充该类样本，二是对这类单独做类别加权。我遇到过一次"裸地"总被分成"建筑"，后来发现源域裸地样本只有几十个，补到几百个后问题基本解决。

5.3 训练不稳定、loss震荡

对抗训练尤其容易震荡。我的经验是：能用MMD就别用对抗，能加梯度裁剪就加，batch size尽量大，BN层在域差异大时可以考虑换成GN（GroupNorm）。另外，伪标签训练时如果loss突然飙升，多半是某批伪标签噪声集中，可以加一个loss截断或者直接跳过异常batch。

5.4 常见问题速查表

提示：排查问题时，永远先看数据，再看模型，最后看超参。我见过太多人一上来就调学习率，结果问题是标签本身错了。

6. 影响范围与延展思考

这套可迁移深度模型的价值，远不止于土地覆盖分类本身。它的核心思想——用标注丰富的源域知识去解决标注稀缺的目标域任务——可以迁移到很多遥感相关场景。比如城市变化检测，你可以用历史时期的标注去辅助当前时期的解译；比如跨传感器地物提取，用高分影像训练的模型去适配中分影像；再比如灾害应急评估，灾区往往没有标注，但可以用邻近地区的模型快速迁移过去。

从工程角度看，这套方案最大的意义是把标注成本从"每场景重标"降到了"一次标注、多次迁移"。对于做地理信息服务的团队来说，这意味着交付周期和人力成本的大幅压缩。当然，迁移不是万能的，域差异过大时仍然需要人工介入，但至少能把人工从"全量勾画"降到"抽检修正"。

我自己在实际操作中的体会是：迁移学习的效果，七分靠数据，两分靠对齐策略，一分靠调参。很多人把精力全花在模型结构上，却忽略了源域数据的代表性和目标域伪标签的质量，这是本末倒置。如果你正准备上手这个方向，我的建议是先老老实实把源域数据做扎实，把伪标签流程跑通，再去考虑加什么花哨的域适应模块。最后再分享一个小技巧：每次迭代后，把目标域的预测结果和上一轮做差分，变化剧烈的区域重点人工检查，往往能发现系统性的错标模式，比盲目调参高效得多。