1. 环境准备版本、硬件与Python环境的匹配1.1 为什么偏偏是ArcGIS Pro 2.5做遥感影像目标检测和地物分类这些年ArcGIS Pro 2.5算是我印象比较深的一个版本。它不算最新也不是功能最全的但恰好是ESRI把深度学习工具链做得“能落地”的转折点。在2.5之前你要在GIS软件里训练一个目标检测模型基本得自己写脚本绕路把影像切片导出来转成COCO或VOC格式再用外部深度学习框架训练最后再写代码把预测结果转回GIS要素。2.5版本把这条链路整合进了软件内部从训练数据导出、模型训练、推理到结果矢量化都能在同一个项目里完成这对习惯用ArcGIS做生产的同学来说学习成本低了一大截。不过这里要提醒一句ArcGIS Pro 2.5深度学习的完整能力集中在Image Analyst扩展模块里不是装了ArcGIS Pro就能用。你需要确认自己的许可级别包含Image Analyst否则就算把环境配置好了工具箱里的“训练深度学习模型”“使用深度学习分类像素”这些工具也是灰色不可用的。另一个容易忽略的点是版本问题2.5对应的Python环境是conda管理的“arcgispro-py3”深度学习框架的安装方式跟普通pip环境有些区别我下面详细说。1.2 硬件选型显存比GPU越多越好更重要ArcGIS Pro 2.5的深度学习后端以PyTorch为主训练过程对GPU的依赖非常强。我最早在一台只有8GB显存的笔记本上试跑目标检测batch size稍微调到4就报“CUDA out of memory”后来换到16GB显存的机器训练体验才算是正常。所以如果你准备长期做这方面工作我建议显卡显存至少16GB起步24GB会更稳。推理阶段对显存的要求低不少但训练阶段显存是硬指标。这里顺便把几档配置的体感列出来方便你判断自己手里的机器处在什么位置。硬件配置训练速度体感能跑的任务建议8GB显存无独显加速几十分钟一轮基本不可用小尺寸切片的分类任务只适合学习和验证流程16GB显存如RTX 4080、3090几分钟一轮目标检测、像素分类入门推荐的起步配置24GB及以上显存如3090、40901-2分钟一轮大尺寸遥感影像、多类别任务能较好地覆盖大多数场景CPU训练不是不行但遥感影像动辄几千乘几千像素切出来的训练样本量大CPU一轮训练可能跑半小时以上调试参数效率太低。所以新手如果暂时没有好显卡可以先把训练数据准备好把代码流程在小样本上跑通再找一台带GPU的机器或云服务做正式训练。1.3 用conda把PyTorch装进arcgispro-py3环境ArcGIS Pro 2.5自带的Python环境叫arcgispro-py3深度学习功能依赖的arcgis.learn模块就是装在这个环境里的。安装思路有两种一种是用ArcGIS Pro自带的Python包管理器安装“深度学习框架”另一种是命令行通过conda安装PyTorch相关依赖。我推荐用命令行操作可控性更强。步骤大概这样打开ArcGIS Pro自带的Python命令提示符在开始菜单里找“Python Command Prompt”然后依次执行conda install -c esri arcgis-learning conda install -c pytorch pytorch torchvision安装完成后务必做一次验证很多同学装完就急着训练结果import阶段直接报错。验证方法很简单python -c import torch; print(torch.__version__); print(torch.cuda.is_available())如果第一行输出了版本号第二行输出True说明PyTorch装好了而且GPU可用。输出False就说明PyTorch没认出GPU通常是CUDA驱动版本不对需要检查NVIDIA驱动和PyTorch官方支持的CUDA版本是不是对应。ArcGIS Pro 2.5时代的PyTorch版本大致在1.6到1.7之间对应的CUDA是10.2或11.x如果你装了太新的PyTorch版本反而可能跟2.5的arcgis.learn内部接口不兼容这点务必注意。还有一个值得留意的点ArcGIS Pro 2.5的深度学习工具和arcgis.learn模块是配对发布的不建议单独升级某个包。我见过有人把torch升级到1.9之后训练工具直接打不开了报的错还是跟版本相关的接口缺失。所以如果你不是特别清楚自己在做什么conda install的时候尽量只装指定版本不要顺手把依赖升级到最新。2. 训练数据准备标注和切片决定了精度的天花板2.1 Export Training Data For Deep Learning这个工具一定要吃透在ArcGIS Pro 2.5里把影像和标注转换成模型能用的训练样本靠的是“导出训练数据进行深度学习”这个工具。很多人上来就点感觉参数不多其实这里面的细节直接决定了后面模型精度的上限。你标注得再准导出这一步出了问题模型学到的也是错误信息。工具的核心参数有三个训练数据存储位置、输入影像、输入标注要素。影像和标注必须使用相同的坐标系最好都在投影坐标系下这样才能保证导出的切片和标签在空间位置上完全对应。你有多少次训练出来的模型loss不下降排查下来是因为影像和标注错位了。另一个参数是tile_size也就是切片尺寸。2.5版本里推荐默认值是256或512具体看你的目标大小。如果你的检测目标占影像面积很小比如一辆车在0.5米分辨率的影像里只有几十像素那tile_size建议调低到128或者把影像分辨率重采样高一些。反过来如果是提取大型建筑物轮廓512的切片能包含更完整的上下文信息模型更容易学到建筑边界。切片尺寸和模型训练时的输入尺寸需要一致训练和推理阶段要保持同一个tile_size否则预测时会出现边界错位和漏检。2.2 标注规范宁可少而精不要多而乱标注质量是深度学习项目中最容易被低估的一环。ArcGIS Pro 2.5支持多种标注格式目标检测一般用bounding box矩形框语义分割常用RCNN masks或Classified Tiles。不同任务类型要选对格式选择的依据跟你最终要识别的对象形态直接相关。提取房屋、车辆这类近似矩形或形状规整的目标用目标检测就够如果目标是水域、农田这类形状复杂且边界不规则的区域建议走像素分类路线。标注的数量和均衡性也很有讲究。每个类别至少要有200到300个实例才能让模型学到相对稳定的特征。类别不均衡是遥感影像里非常容易踩的坑比如一个区域内水体面积大样本丰富模型对水体识别就特别准农田面积小样本少模型基本学不到农田的特征训练出来的模型对农田几乎不敏感。遇到这种情况建议在导出训练数据时通过增大对小类别样本的重复采样权重来均衡或者在标注阶段就刻意多标一些少样本类别。标注边界也要统一标准。建筑物标注是贴墙脚线还是包含屋檐延伸不同标注员的理解不同导出的标签就差异很大。我建议在项目启动前做一个简单的标注规范文档配示例图标注员先标一两幅图检查组间一致性之后再批量干活。2.3 坐标系、像元尺寸和投影对切片的潜在影响遥感影像的坐标系问题在深度学习流程里特别隐蔽。如果输入的影像和标注是在地理坐标系比如WGS84下ArcGIS Pro在导出训练数据时会把影像重投影到最适合的投影坐标系里。这个自动过程没问题但重投影会导致像元尺寸发生微小变化如果同时设置了过小的tile_size切片边界上就会出现奇怪的黑边。我在做实验时遇到过类似情况后来统一把影像和标注先转成投影坐标系比如UTM再执行导出工具切片质量就稳定了。另外像元尺寸和切片尺寸的配合也重要。比如0.5米分辨率的影像512像素的切片对应地面256米的范围如果是2米分辨率同样512像素对应的是1公里范围。模型学到的是像素特征切片对应的地面尺度直接影响目标在切片中占的比例。同样一个512的切片0.5米分辨率下房屋轮廓非常清晰2米分辨率下可能就只占几个像素了。所以不同数据源别混在一起训练否则模型会对目标尺寸产生混乱。3. 参数调试训练模型时的几个关键旋钮3.1 用arcgis.learn写训练脚本从数据读取到模型保存ArcGIS Pro 2.5的深度学习工具箱提供了图形化界面训练入口但用Jupyter Notebook配合arcgis.learn写脚本训练会更灵活。尤其是调试阶段图形界面每次调整参数都要重新点选效率很低。下面这段代码是训练一个目标检测模型的基础框架用的是arcgis.learn里封装的模型适用于车辆、房屋等目标检测任务。from arcgis.learn import prepare_data from arcgis.learn import FasterRCNN import os # 指定导出训练数据时生成的路径 training_data_path rD:\dl_project\train_data # 读取训练数据 data prepare_data( pathtraining_data_path, batch_size4, dataset_typeRCNN_Masks, # 目标检测和实例分割都支持 transformTrue ) # 构建模型 model FasterRCNN.backbone_from_pretrained( datadata, backboneresnet50 ) # 训练 model.fit( epochs20, lr0.001, one_cycleTrue ) # 保存模型后续推理直接使用 model.save(rD:\dl_project\model\vehicle_detector_v1)这段代码看起来不长但里面涉及的几个参数值得细说。prepare_data里的batch_size、dataset_typemodel.fit里的epochs、lr、one_cycle每一个调不好都会让训练过程让你怀疑人生。3.2 学习率小则训练慢大则loss爆炸学习率lr是训练中最影响结果稳定性的参数。lr偏大loss可能出现大幅震荡模型一会儿收敛一会儿发散甚至loss直接变成nanlr偏小训练进度很慢20轮epoch过去了loss下降不明显。ArcGIS Pro自带工具里可以勾选自动学习率底层逻辑是用“学习率查找器”跑一小段预热训练帮你找到梯度下降比较平滑的学习率区间。这个功能我建议一定要用比自己盲猜靠谱得多。一个经验数值是迁移学习场景下lr在0.001到0.01之间比较常见。如果你用arcgis.learn的one_cycleTrue它会自动在一个训练周期内先升后降学习率这能兼顾前期快速收敛和后期精细化调整是2.5时代官方推荐的做法。但用one_cycle时epochs不要设太少通常至少15-20轮才有意义否则学习率还没来得及降到低位就结束了。当你训练到loss基本持平验证集精度也不提升时可以在之前学习率基础上除以10继续训练几轮往往还能再提升一点精度。3.3 batch_size、backbone和epochs的调试逻辑batch_size是训练时每次喂给GPU的样本数。它对训练的影响主要体现在两部分显存占用和梯度稳定性。batch_size过小比如2梯度噪声大训练过程不稳定batch_size过大比如64梯度方向稳定但容易收敛到平坦的局部最优泛化能力反而可能下降。ArcGIS Pro 2.5的官方文档建议batch_size从4或8开始调如果你的GPU显存允许可以逐步增加到16甚至32观察验证集精度变化来选择。backbone选择方面arcgis.learn内置的FasterRCNN等模型会从预训练模型加载权重backbone可选resnet18、resnet34、resnet50等。预训练权重来自ImageNet等大型数据集虽然跟遥感影像特征差异很大但底层边缘、纹理、颜色这些低级特征是可复用的所以迁移学习能显著降低训练所需的数据量。如果你的任务难度不高、类别数量少用resnet34足够了类别多或目标形态复杂再上resnet50。网络越深训练时间越长对小样本数据反而容易过拟合。这里补充一个容易忽略的细节arcgis.learn创建模型时默认会冻结backbone部分层的梯度也就是只用预训练权重做特征提取只训练后面的检测头。如果你发现训练了很多轮但精度上不去可以尝试给model.unfreeze()让整个网络都参与训练让高层特征也能针对遥感影像适配。epochs要结合早停机制来看。ArcGIS Pro支持在训练过程中实时显示训练集和验证集的loss曲线。正常情况下训练集loss持续下降验证集loss也会先下降后趋于平稳。如果验证集loss先下降后上升但训练集loss还在降这是过拟合的典型信号这时候再训练没有意义应该回到前面调低epochs或增强数据增强。我个人的经验是迁移学习跑20-30轮基本能看出模型有没有潜力。如果20轮之后验证集精度还在明显上升可以继续加反之就该停下来检查数据和参数了。4. 推理、精度评估与成果导出时躲不开的坑4.1 推理工具的参数设置tile_size和batch_size的搭配训练完成后在ArcGIS Pro里用“使用深度学习检测对象”工具做推理参数设置也会影响结果质量。首先是tile_size推理时必须跟训练数据导出时的尺寸保持一致否则模型会对输入尺寸感到陌生检测效果大打折扣。batch_size在推理时主要是调节显存占用显存够大就调大些加快速度显存紧张就调小。目标检测任务里会有一个NMS置信度阈值参数通常默认0.5。如果推理结果里漏检情况明显可以先把这个阈值调低到0.3看看能不能捞回一些低置信度的目标。如果结果里一堆重复框或误检框阈值可以调高到0.7到0.8。ArcGIS Pro的深度学习工具还支持使用“非极大值抑制”来进行结果去重训练时如果标注样本里目标重叠严重推理结果会输出很多嵌套框通过调整这个参数做去重。像素分类任务推理时输出类型选择“分类栅格”还是“概率栅格”需要想清楚。分类栅格直接输出最终的类别结果方便后面矢量化概率栅格保留每个类别的概率值适合做不确定性分析或后续人工复核。如果你只是快速看效果直接输出分类栅格能省不少计算量。4.2 我踩过的典型报错及排查思路ArcGIS Pro 2.5深度学习的报错信息不算友好很多问题都堆在日志里。这里整理一份高频问题速查表算是我个人上百次训练和推理里总结出来的浓缩版。报错现象可能原因解决办法No module named torchPython环境没装PyTorch或装错环境确认是在arcgispro-py3环境安装执行前文的验证命令CUDA out of memory显存不足调小batch_size降低tile_size换显存更大的GPUCUDNN_STATUS_NOT_INITIALIZEDCUDA或cuDNN版本不兼容检查NVIDIA驱动重装匹配的CUDA工具包训练loss是nan学习率过大或数据有异常值调低lr检查影像中是否有nodata和全黑区域推理结果为空推理tile_size与训练不一致核对推理与训练的参数设置是否一致导出训练数据工具报“无法读取标注数据”标注要素和影像未在同一坐标系先把标注要素投影到与影像一致的坐标系检测结果有大量错位框影像与标注存在配准偏差检查影像是否经过旋转或重投影标注是否贴在正确位置4.3 结果矢量化从栅格分类结果到可编辑的GIS数据像素分类推理得到的栅格一般需要转换成矢量面才能在日常GIS工作流中使用。“栅格转面”工具可以把相同类别的相邻像素合并为面要素但直接转换的结果通常边界非常破碎一个建筑可能被分割成几十个小面。这时候建议先做一步“主导类别过滤”或“众数滤波”把孤立的零星像元清理掉再用“简化面”和“平滑”工具处理边界得到的结果才干净。目标检测推理输出的直接就是面要素相对省事但边界往往包着目标外框不够精细。如果要得到精确的建筑轮廓还是建议走像素分类路线。实际操作中一个稳妥的工作流是先用目标检测快速定位目标位置裁出感兴趣区块再用像素分类对该区块精分割既兼顾了速度又保证了精度。这个组合思路在我做建筑提取时效果明显比单跑一个模型靠谱很多。还有一点需要提醒深度学习推理之后务必做人工抽检。模型产出的“精度”是一个统计指标不代表每个局部区域都可靠。特别是在阴影、云遮挡、异形地物等区域模型很容易误判所以在批量应用成果之前抽检环节不能省。具体来看不要在训练和推理阶段使用同样的数据做评估否则指标虚高抽检时也尽量跑一些分布范围较广的验证位置不要只盯着一处看效果。5. 写在最后的一点个人体会从ArcGIS Pro 2.5开始接触遥感深度学习到现在最大的感受是工具链越来越完善但落地效果依然高度依赖使用者的空间数据经验和调参功力。很多同学一上来就想着训练一个超强模型结果被环境配置劝退或者因为数据没准备好训练出来的模型精度一塌糊涂。我给新手的建议是第一次跑通流程比追求精度重要得多。先用官方预训练模型或小范围数据跑通“数据准备-训练-推理-矢量化”全流程再逐步优化数据和参数这样心里对每个环节有底后续调参也知道该动哪里。另外模型的保存和管理一定要养成好习惯。ArcGIS Pro 2.5深度的模型文件是.emd格式加对应的.pth或.pt权重文件两个文件要放在同一目录下缺一不可。别问我怎么知道的当年把权重文件单独拷走推理时各种报错查了半天才发现模型文件不完整。保存模型时写上类别名称、日期、训练数据来源、精度指标等信息三个月后再回来看你会感谢当时的自己。最后这个版本的深度学习功能虽然放在ArcGIS Pro里但本质还是PyTorch那套东西。如果你后续想深入建议额外补一下PyTorch基础学会看网络结构、懂一点backbone和损失函数的含义。GIS和深度学习的结合未来还会有更多玩法把这个基础打牢后面换版本、换模型都能快速上手。