GeoAI教程教你用U‑Net、Grounding DINO与SAM提取NAIP影像建筑轮廓

背景与意义

随着高分辨率遥感影像的广泛获取，建筑足迹提取已成为城市测绘、灾害评估和智能交通等场景的基础任务。传统手工绘制成本高、时效差，而基于深度学习的 GeoAI 工作流能够实现批量、精准的自动化提取。本文以 NAIP 影像为例，展示了从数据准备、模型训练到后处理的完整步骤，并对比不同模型的优劣，为实际项目落地提供参考。

环境配置与数据准备

运行平台：Google Colab（支持 T4 GPU）或本地 Python 环境。
核心依赖：geoai-py、segmentation-models-pytorch、buildingregulariser、torch、rasterio、geopandas。
数据来源：
- NAIP RGB 影像（naip_rgb_train.tif、naip_test.tif）
- 建筑矢量标签（naip_train_buildings.geojson）
- 通过 HuggingFace 数据集链接一键下载，自动校验文件大小。

小技巧：在 Colab 中运行 torch.cuda.is_available() 可确认 GPU 是否被正确识别，若未检测到 GPU，请在 Runtime → Change runtime type 中选择硬件加速器。

模型训练与评估

配置参数

{
  "tile_size": 512,
  "stride": 256,
  "architecture": "unet",
  "encoder": "resnet34",
  "epochs": 12,
  "batch_size": 8,
  "lr": 1e-3
}

训练流程

切片：使用 geoai.export_geotiff_tiles 将原始影像按 512×512 像素、256 像素步幅切分为训练/验证样本，自动生成对应的掩模。
模型构建：调用 geoai.train_segmentation_model，采用 ResNet‑34 预训练权重初始化编码器，实现语义分割（建筑 vs 背景）。
监控指标：训练结束后读取 training_history.pth，绘制 IoU、Loss 曲线，最佳模型在第 7 轮达到验证 IoU 0.78。

像素级评估

使用 geoai.calc_segmentation_metrics 对训练集进行交叉验证，得到 IoU=0.78、F1=0.82，说明模型对建筑像素的捕获能力较强。

零样本分割与实例对比

Grounding DINO + SAM

通过 GroundedSAM 类加载 IDEA-Research/grounding-dino-tiny 检测器和 facebook/sam-vit-base 分割器，给定文本提示 ["building", "house", "rooftop"]，在单张 1024×1024 切片上实现零样本分割。结果显示约 150 个建筑候选，多数轮廓较为粗糙，需要后处理。

预训练 Mask R‑CNN

加载官方提供的 building_footprints_usa.pth 权重，直接对整幅 NAIP 影像进行实例分割。得到约 180 个建筑实例，轮廓更为精细且每个实例均带置信度。

对比要点

精度：Mask R‑CNN 在建筑边界上更贴合真实形状；Zero‑shot 方法在复杂屋顶上常出现漏检。
成本：Zero‑shot 免训练，仅需数分钟即可得到结果；Mask R‑CNN 需要先完成 U‑Net 训练，整体耗时更高。
适用场景：若项目对快速原型或少量样本敏感，推荐 Grounding DINO+SAM；若追求高质量实例并具备标注数据，仍建议自研 U‑Net 或直接使用 Mask R‑CNN。

后处理与矢量化

噪声清除：利用 geoai.region_groups 移除面积小于 50 px 的孤立区域。
栅格转矢量：geoai.raster_to_vector 将清洗后的掩模转为 GeoJSON 多边形。
正交化 & 正则化：分别调用 geoai.orthogonalize 与 geoai.regularization，得到角度误差 ≤12°、简化容差 0.4 m 的建筑足迹。
属性计算：使用 geoai.add_geometric_properties 为每个多边形添加面积、周长、长宽比等属性，便于后续统计分析。

结论与展望

本文示范了一个可复用的 GeoAI 工作流：从原始 NAIP 影像出发，经过切片、U‑Net 语义分割、零样本/预训练实例分割、后处理到矢量化，最终得到结构化的建筑足迹数据。该流程兼容多波段（RGB+NIR）影像、支持多类地表覆盖的扩展训练，也可迁移至其他遥感平台（如 Sentinel‑2、PlanetScope）。未来可进一步结合大模型（Prithvi、SAM‑v2）实现跨尺度、跨地区的统一检测，或将生成的建筑库用于城市三维建模与空间决策。

本文代码与完整 notebook 已同步至 https://opengeoai.org，欢迎下载复现。

GeoAI教程教你用U‑Net、Grounding DINO与SAM提取NAIP影像建筑轮廓