公开数据集上训好的模型，换到你的城市就未必准。这个仓库把「大影像加矢量标签 → 切片数据集 → 训练 → 大图推理」整条链路补齐了。
以 1024 为窗口、512 为步长对大影像重叠裁切，50% 重叠消除边缘效应。增量式：已存在的切片自动跳过，补数据不用重来。
建筑像素占比低于 1% 或高于 98% 的切片丢弃。全空和全满样本没信息量，丢掉显著降低训练时间。
把纯黑纯白区域在标签里置为 ignore_index，模型不会因为「把黑边预测成背景」被惩罚。这是全套流程里最见效的改动。
重叠窗口预测后拼接，既绕开显存限制，也用重叠区加权消除拼缝断层。
git clone https://github.com/UVE1048/HRNet-Footprint-Trainer.git
cd HRNet-Footprint-Trainer
conda create -n footprint python=3.10 -y && conda activate footprint
conda install -c conda-forge geopandas rasterio -y
pip install -r requirements.txt
cp prepare/DATA.example.TXT prepare/DATA.TXT # 填入影像与矢量路径
python prepare/prepare_dataset_multiprocess.py
python train.py| 参数 | 默认 | 说明 |
|---|---|---|
| CROP_SIZE | 1024 | 切片边长，像素 |
| STRIDE | 512 | 滑窗步长，即 50% 重叠 |
| TRAIN_RATIO | 0.8 | 训练集比例 |
| MIN_FG_RATIO | 0.01 | 低于此建筑占比的切片丢弃 |
| MAX_FG_RATIO | 0.98 | 高于此建筑占比的切片丢弃 |
| --crop-size | 1024 | 推理滑窗边长，与训练一致 |
准备正射影像 .tif 与建筑物轮廓 .shp（坐标系必须一致），填进 prepare/DATA.TXT，运行 prepare_dataset_multiprocess.py 生成切片数据集，再运行 train.py 训练，最后用 predict.py 对大图做滑窗推理。
训练阶段用 1024 滑窗、512 步长切片；推理阶段用重叠滑窗预测再拼接。两处都靠重叠消除边缘效应与拼缝断层。
默认已处理。MaskNoData 变换会把纯黑 (0,0,0) 与纯白 (255,255,255) 区域在标签里置为 ignore_index，算 loss 时完全跳过，模型不会因为「把黑边预测成背景」被惩罚。
这项任务的边界精度高度依赖标注质量而非数量。标签与影像套合不准时，模型学到的是系统性边界偏移，加数据也无法纠正。训之前务必抽几处叠加检查。
换 pip install mmcv-lite>=2.1.0。train.py 里已有一行版本号 hack 绕过 MMSegmentation 的强校验，predict.py 里内置 mmcv.ops 的 polyfill，不需要 CUDA 算子也能推理。