简介基于Deeplab-resnet算法的建筑物变化检测设计源码聚焦遥感与GIS领域的建筑物变化监测任务面向深度学习研发者与地理信息研究者。算法融合Deeplab空洞卷积与ResNet残差结构在高分辨率图像分割中保持边界精度并扩大感受野适合城市变化分析、灾害评估等场景。压缩包内共40个文件以33个Python脚本为核心涵盖模型训练train.py、预测predict.py、配置管理config.py、数据加载与工具模块dataloaders、utils另有5个文本说明、LICENSE与.gitignore包体仅170KB。项目结构清晰readme.txt提供使用指引VOCdevkit暗示适配Pascal VOC数据集便于复现训练与测试流程。已有330人学习浏览适合需要完整工程参考、快速上手深度分割任务的研究者。源码同时展示训练、评估、学习率调度等模块的衔接方式并强调边界的精确划分为后续算法改进提供可直接拓展的代码基础。1. 基于Deeplab-resnet算法的建筑物变化检测设计源码到底在做什么做遥感变化检测的同行应该都遇到过这种场景手上有一前一后两期影像领导要让把新增的、拆除的房子都圈出来。人工在ArcGIS里拉选框一个小县城就能画两天。基于Deeplab-resnet算法的建筑物变化检测设计源码恰恰就是把这套流程自动化——它用DeepLabV3配合ResNet骨干从双时相影像里提取建筑物分割结果再做逐像素差分或特征差分最终输出一张“哪里变了”的二值掩膜。源码的意义不在于变幻检算法本身而在于给了后来者一条能落地的训练、推理、后处理完整链路。适合手里有已配准的双时相遥感影像、希望用最少的PyTorch代码搭建一个可复现基线的工程师。先说结论这条路线最大的坑不是网络结构而是“分割结果好不等于变化检测结果好”。后文我会把网络怎么搭、样本怎么做、训练怎么调、最后怎么后处理按踩过的顺序讲清楚。2. Deeplab-resnet为什么是变化检测的合适骨架语义分割与特征复用的取舍2.1 从ResNet到Deeplab空洞卷积如何保住感受野与分辨率变化检测本质上要求模型同时理解“这个物体是什么”语义和“这个物体在哪”位置。普通ResNet分类网络为了加大感受野会一次次地做下采样到最后一层特征图只有输入的1/32。拿这个特征图做逐像素预测边缘和细小建筑会糊成一片。Deeplab-resnet的核心改动是把ResNet后面几个block里的普通卷积替换成空洞卷积在不增加参数的前提下让输出特征图保持在1/8或1/16分辨率。我一般用深度学习框架里自带的DeeplabV3作为参考自己组装ResNet101和ASPP。下面是一个最小可跑的ASPP模块很多公开源码里基本上就是这份逻辑import torch import torch.nn as nn import torch.nn.functional as F class ASPP(nn.Module): def __init__(self, in_channels, out_channels256, atrous_rates(6, 12, 18)): super().__init__() self.branch1 nn.Sequential( nn.Conv2d(in_channels, out_channels, 1, biasFalse), nn.BatchNorm2d(out_channels) ) # 三个不同空洞率的3x3卷积用于捕捉不同尺度的物体 self.branch2 self._make_atrous(in_channels, out_channels, 3, atrous_rates[0]) self.branch3 self._make_atrous(in_channels, out_channels, 3, atrous_rates[1]) self.branch4 self._make_atrous(in_channels, out_channels, 3, atrous_rates[2]) # 全局平均池化分支提供全图上下文 self.branch5 nn.Sequential( nn.AdaptiveAvgPool2d(1), nn.Conv2d(in_channels, out_channels, 1, biasFalse), nn.BatchNorm2d(out_channels) ) self.project nn.Sequential( nn.Conv2d(out_channels * 5, out_channels, 1, biasFalse), nn.BatchNorm2d(out_channels), nn.ReLU(inplaceTrue) ) def _make_atrous(self, in_c, out_c, kernel_size, rate): return nn.Sequential( nn.Conv2d(in_c, out_c, kernel_size, paddingrate, dilationrate, biasFalse), nn.BatchNorm2d(out_c) ) def forward(self, x): size x.shape[-2:] b1 self.branch1(x) b2 F.relu(self.branch2(x)) b3 F.relu(self.branch3(x)) b4 F.relu(self.branch4(x)) b5 F.relu(self.branch5(x)) b5 F.interpolate(b5, sizesize, modebilinear, align_cornersTrue) return self.project(torch.cat([b1, b2, b3, b4, b5], dim1))ASPP的设计逻辑很简单不同空洞率相当于用不同“视野”的滤镜去观察同一个特征图。rate6、12、18分别覆盖小、中、大建筑尺度全局平均池化分支则把整张图的语境拉进去防止近处的相似地物造成误判。需要注意的是project输出通道数不是固定256只在这里后续接Decoder时会用。很多翻车场景恰恰是这里的输出通道和后续网络写得不一致导致加载预训练权重时报shape不匹配。2.2 双时相输入为什么要共享权重变化检测的两种解码套路Deeplab-resnet本身是为单张语义分割设计的拿到变化检测任务上常见有两类接法。第一类是“先分割后差分”两期影像分别送入同一个Deeplab得到两幅建筑物概率图然后直接做差超过阈值即为变化。这套源码的优点是不用改网络结构训练时只需要单期影像的建筑物掩膜变化检测逻辑在后期叠加。第二类是“孪生特征差分”两个时相的图像经过同一套ResNet骨干各自得到特征图再在特征层面做减法或拼接最后接一个变化分类头。后者能学到“哪些特征差异代表建筑变化”准确率上限更高但改动量大训练数据也要成对标注。我一般建议先跑通第一种因为它对数据标注的要求低可以用公开的建筑物分割数据集比如WHU或Inria预训练模型再去微调自己的双时相数据。共享权重这个点很关键如果两个时相分别用了两个不同参数的网络那输出的概率分布在数值域上可能完全不同做差分时即使没有变化的建筑也会因为网络输出差异被误判成变化。所以要么直接共用同一个encoder要么至少共用预训练权重并冻结BN层。2.3 源码里的网络结构形态DeepLabV3与ResNet的组装关系公开的“基于Deeplab-resnet算法”的源码绝大多数是DeepLabV3结构而不是最早的V1/V2。V3相比V3多了一个Decoder模块把ResNet第二层layer2的低级特征和ASPP的高级特征进行融合用来恢复建筑边缘细节。一次典型的组装顺序是输入双时相影像各3通道→ ResNet层到layer4stride16→ ASPP → 上采样4倍 → 与layer2特征拼接 → 再上采样4倍 → 输出原分辨率概率图。写代码时最好把骨干分成__init__里可以替换的部分。有些源码是直接调torchvision.models.segmentation.deeplabv3_resnet101但那个输出通道是21COCO类别你要把最后的分类层改成2前景/背景或者3变化/不变/背景。这里有个血泪经验源码默认的aux_loss如果是True会要求训练的时候同时提供分割标签和辅助标签否则直接报错。如果你的数据只有变化标签记得把辅助损失关掉或者改成在单时相分割图上计算。3. 样本准备与数据增强让模型认出“建筑变了”而不是“光线变了”3.1 双时相样本对的制作图像配准与切块变化检测最怕数据没对齐。两期影像如果来自不同传感器即便经过地理配准像素级也不一定对齐。实操中我会先用GDAL或Rasterio把二期影像重采样到同一分辨率再做一次互相关平移配准。这一步不必在深度学习代码里做而是放到数据预处理阶段。下面是一段用GDAL做裁剪和重采样的脚本确保两个时相像素坐标严格对应。from osgeo import gdal import numpy as np def crop_pair(path_t1, path_t2, output_size, out_prefix): ds1 gdal.Open(path_t1) ds2 gdal.Open(path_t2) # 统一坐标系和分辨率以第一期为基准 ds2_warped gdal.Warp(, ds2, dstNodata0, formatVRT, xResds1.GetGeoTransform()[1], yResds1.GetGeoTransform()[1]) width, height ds1.RasterXSize, ds1.RasterYSize # 按256x256滑窗切块步长设置为128保留重叠避免建筑被切断 for i in range(0, height, 128): for j in range(0, width, 128): xoff, yoff j, i w, h min(256, width - xoff), min(256, height - yoff) arr1 ds1.ReadAsArray(xoff, yoff, w, h)[:3] arr2 ds2_warped.ReadAsArray(xoff, yoff, w, h)[:3] np.save(f{out_prefix}_t1_{i}_{j}.npy, arr1.astype(np.float32)) np.save(f{out_prefix}_t2_{i}_{j}.npy, arr2.astype(np.float32))重点在于gdal.Warp这一步它会把第二期影像重采样到与第一期相同的格网。很多源码默认假设两期影像已严格配准实际上这是最常踩的坑。切块步长设置成重叠128像素能让建筑在块边缘时至少有一个完整的框在里面模型预测时不会因为边界视野不完整而误判。存储用npy临时保存比每轮都重复读GeoTIF快很多。3.2 标签的三种写法变化图、双时相分割图与特征差异图源码里标签格式直接决定网络输出层长什么样。最常见的三种写法是标签类型每个像素的数值含义适用网络输出变化图0不变1变化单分支输出1通道sigmod二分类双时相分割图0背景1建筑每个时相一张双分支分别加分类头后期比较特征差异图连续值如NDVI差等仅作为辅助输入不是直接标签如果你走“先分割后差分”路线需要的是双时相分割图变化图反而要在后处理里生成。如果你走“孪生差分”路线标签是变化图。一套源码里如果同时出现这两种标签可能是因为它用了“伪标签”做预训练。给变化图生成二值掩膜时有一个容易忽略的操作建筑边缘的标签抖动会导致模型训练时同一像素在不同epoch输出概率剧烈波动。建议在生成标签时做一次3x3最大池化把变化区域边缘向外扩1像素让模型不那么敏感于边界标注误差。3.3 数据增强的坑不能翻转一致性破坏变化语义一般语义分割用水平翻转、旋转90度、颜色抖动都能提升泛化。但变化检测必须保证“双时相影像和标签”三者在几何变换上完全一致。比如你对第一期做了水平翻转第二期也必须同样翻转否则变化目标的位置就错位了。用albumentations的DualTransform可以有效避免这种错误。import albumentations as A import numpy as np # 双时相增强保证t1和t2经历完全相同的几何变换 aug A.Compose([ A.HorizontalFlip(p0.5), A.ShiftScaleRotate(shift_limit0.05, scale_limit0.1, rotate_limit15, p0.5), ], additional_targets{image2: image}) def augment_pair(t1, t2, label): # label是变化标签和t1/t2一起变换 data aug(imaget1, image2t2, masklabel) return data[image], data[image2], data[mask]这里使用additional_targets把第二个时相纳入同一个增强管线保证旋转和缩放参数一致。还有一个细节不能对两期影像分别做不同的颜色抖动因为光照变化本身是模型需要“忽略”的干扰如果你在增强时把第一期调亮、第二期调暗模型就会学到亮度差异等于变化这是很多人验证集指标高但真实场景翻车的根源。颜色增强只能同时作用于两张图且强度要低。4. 模型训练与损失函数从源码看懂迭代细节4.1 最小可跑通的训练循环双时相输入如何喂给网络设计源码时最核心的问题是想清楚输入通道。如果走孪生结构一个简单做法是把两期影像直接拼成6通道输入第一个卷积层就变成6通道。但这样会丢失预训练权重预训练ResNet是3通道。常见方案还是用一个共享的encoder分别处理两个3通道输入再在特征层面融合。下面是最小训练循环的骨架。import torch import torch.nn.functional as F from model.deeplab_resnet import load_deeplab_resnet model load_deeplab_resnet(pretrainedTrue).cuda() optimizer torch.optim.Adam(model.parameters(), lr1e-4) for epoch in range(30): for t1, t2, change_mask in dataloader: t1, t2 t1.cuda(), t2.cuda() mask change_mask.cuda() # 分别经过共享骨干得到两个分割概率 pred1, feat1 model(t1, return_featTrue) pred2, feat2 model(t2, return_featTrue) # 特征差分 - 变化概率这里简单用L1距离 diff torch.abs(feat1 - feat2) pred_change model.change_head(diff) # change_head是1x1卷积 loss F.binary_cross_entropy_with_logits(pred_change, mask) optimizer.zero_grad() loss.backward() optimizer.step()这段代码里的model(t1, return_featTrue)是从源码里常见的接口它同时返回分割概率和ASPP输出特征。变化头是一个1x1卷积把拼接或差值的特征投影成单通道。要注意的是这里训练的梯度同时流经两个时相的encoder所以一个batch里两张影像必须严格配好对。如果dataloader不小心把两个时相的顺序打乱模型会瞬间学崩。我记得第一次跑时只是把shuffle设为True一个epoch后loss直接变成NaN。4.2 损失函数选择Dice Loss与Focal Loss的组合拳变化检测里“变化”像素往往只占整张图的2%到5%极度不平衡。只使用BCE loss模型会很快学会把所有像素预测成“不变”因为那样损失也很低。源码里常见的补救是组合损失def dice_loss(pred, target): pred torch.sigmoid(pred) smooth 1.0 intersection (pred * target).sum() dice (2.0 * intersection smooth) / (pred.sum() target.sum() smooth) return 1.0 - dice def focal_loss(pred, target, alpha0.75, gamma2.0): prob torch.sigmoid(pred) pt prob * target (1 - prob) * (1 - target) focal_weight (1 - pt) ** gamma return F.binary_cross_entropy_with_logits(pred, target, weightfocal_weight * alpha)dice_loss对前景与背景不敏感能强制模型把变化区域讲出来focal_loss通过gamma降低易分样本的权重让模型更专注那些被误分类的像素。我用的时候一般把两个损失按 0.5:0.5 相加。如果发现模型只出小碎块就调高dice权重到0.7如果变化区域太保守、边界太窄就调高focal权重到0.7。这两个损失写进设计源码里后收敛速度会明显变稳。需要提醒的是weight参数里的alpha不是所有源码都默认存在。如果你拿到的源码里只有一个固定的weighttorch.tensor([0.2, 0.8])那是给单时相分割用的不是给变化检测用的。变化检测里的“正样本”是变化区域而不是建筑区域搞混了会出大问题。4.3 训练参数学习率、批次、冻结骨干的节奏基于Deeplab-resnet的源码训练参数有自己的一套默认习惯。下表是我反复调参后觉得最容易复现的参数组合参数推荐值说明输入尺寸256x256显存有限时优先用256512需要多卡batch size8双时相等于一次前向要处理16张3通道图学习率1e-4预训练骨干用1e-4随机初始化的change_head用1e-3骨干冻结前10个epoch冻结冻结后change_head先收敛防止用力过猛BN状态冻结骨干时同时冻结BNBN统计量会因小batch而抖动优化器Adam比SGD稳定配合poly学习率衰减更好前期冻结骨干并非必须但很有效。常见源码里会在model.requires_grad上做手脚比如遍历所有参数param.requires_grad False for backbone_only。这么做的好处是当你的数据集只有几百对影像时先让变化头学到“特征差值的模式”再解冻骨干做微调比整个网络一起训更容易避免灾难性遗忘。我一般会写一个pytorch的学习率自动调整from torch.optim.lr_scheduler import LambdaLR def poly_lr(epoch, max_epoch30, power0.9): return (1 - epoch / max_epoch) ** power scheduler LambdaLR(optimizer, lr_lambdapoly_lr)poly策略在Deeplab系列源码里几乎成了标配因为它比step下降更平滑能让模型在最后几个epoch也不至于冲过头。5. 变化检测的坑与排查从“完全不收敛”到“预测全是白墙”5.1 现象模型只学会了分割当前时相不会比变化你把训练曲线打印出来发现单时相分割的Dice已经0.9了但变化检测的输出基本是空的。原因很常见训练时用的标签是变化掩膜而网络的主干仍然在学“当前建筑在哪”变化头接收的差值特征没有有效梯度。另外如果你把两个时相分割结果直接做差作为输出那训练损失根本算不到分割结果上梯度无法回传。解决改走孪生特征差分像第4章训练循环里那样把feat1和feat2的差值喂给change_head。核心是让变化头和骨干共享底层特征但变化头自己有独立的参数。如果源码里没有change_head你现在最省事的做法是加一个简单的两个1x1卷积加ReLU的分支输入是差值特征输出变化概率。这样至少网络能学到“哪里有差”。5.2 现象预测结果出现棋盘格噪声棋盘格一般出现在物体边缘往往是因为Decoder层用了转置卷积且学习率太高。DeeplabV3里Decoder那层如果直接拼上layer2的低级特征低级特征分辨率和高级特征分辨率不一致处理不好就会互相干扰。我遇到过有源码把低级特征直接interpolate到1/4分辨率而高级特征只有1/16叠加时把噪声放大了。解决把低级特征先经过一个1x1卷积降通道到48或64和上采样后的高级特征concat之前用align_cornersTrue的F.interpolate把空间尺寸对齐。训练时用weight decay可以抑制高频噪声。如果还是不行把ASPP里rate18的branch去掉很多小数据集上大的空洞率反而会产生周期性伪影。5.3 现象验证集指标高但实际效果差这是变化检测最常见的“虚假高指标”根源几乎都是数据泄漏。比如训练和验证的切块来自同一张原始影像重叠的块让模型“见过”了验证区域。或者两期影像中有同一个建筑虽然切块不同但纹理信息太相似模型记住了并不具备泛化性。解决切块时先把矢量地块划分成训练/验证集合确保一栋建筑的所有像素只出现在一个集合里或者直接按地理坐标做空间划块比如用影像左上角坐标的行列号分块训练集和验证集之间留出至少256像素的缓冲区。验证指标只看变化检测的IoU不要过分关注像素准确率因为太容易被“不变类”拉高。5.4 现象显存溢出与训练速度慢双时相输入让模型显存开销基本翻倍。我在8G显存的卡上跑512x512输入、batch4直接OOM。原因是ASPP里的全局平均池化和多个空洞卷积并行分支每个分支都保留一个中间特征。再加上差分特征计算反向传播时梯度存储翻倍。解决优先用梯度累积。把batch1累积8次再更新参数效果几乎等同batch8。再就是输入尺寸从512降至256对建筑检测这类中尺度目标完全够用。如果你源码里有aux_loss训练时会额外算一个浅层辅助分割头同样占用显存请果断关闭。最后一个技巧是使用混合精度训练AMP可以让显存占用下降约一半。5.5 现象源码默认参数直接跑崩很多设计源码自带一套“作者环境”里的参数比如num_classes21、mean[0.485, 0.456, 0.406]、std[0.229, 0.224, 0.225]。这些默认值直接放到遥感影像上通常情况是loss跑飞或输出全黑。遥感影像的均值不是ImageNet那个值尤其多光谱影像有红外通道归一化参数完全不同。解决取你自己的训练集所有像素提前算一次全局均值和标准差写死在数据加载器里。# 在Dataset初始化时算一遍缓存到本地 mean np.mean(all_t1_train, axis(0, 2, 3)) std np.std(all_t1_train, axis(0, 2, 3))注意两期影像的均值和标准差要分别计算但一般相差不大。如果两期影像来自不同传感器最安全的做法是分别归一化到[0,1]区间再减去各自均值。很多源码的normalize是放在transform里的跑崩时先检查这里。6. 进阶技巧用测试时增强和二值化阈值把你的变化图再提一个点6.1 TTA的推理代码模型训练结束后用一个简单测试时增强TTA就能稳定提升变化检测的IoU。做法是把输入和水平翻转、垂直翻转后的图都送进网络再把概率取平均。因为Deeplab的预测结果对翻转比较敏感平均化能消除边缘上的抖动。def predict_tta(model, t1, t2): model.eval() with torch.no_grad(): p1 torch.sigmoid(model.change_pred(t1, t2)) p2 torch.sigmoid(model.change_pred(torch.flip(t1, [2]), torch.flip(t2, [2]))) p3 torch.sigmoid(model.change_pred(torch.flip(t1, [3]), torch.flip(t2, [3]))) p (p1 torch.flip(p2, [2]) torch.flip(p3, [3])) / 3.0 return pTTA推理时唯一要注意的是要把翻转后的概率再翻回来对齐否则求平均等于把不同位置的像素搅在一起。推理速度会慢三倍但如果你的应用不是实时这很值得。6.2 阈值选择与后处理让掩膜不再像雪花Deeplab输出的概率图上变化区域往往有很多孤立的小亮点。直接取0.5阈值会产生大量假阳性的碎斑。我通常的做法是在验证集上跑一遍不同阈值选取IoU最大那个而不是固定0.5。后处理用连通域滤波小于一定面积的区域直接删掉因为一栋建筑最少也有几百个像素。from skimage import measure, morphology prob predict_tta(model, t1, t2).squeeze().cpu().numpy() mask prob best_threshold mask morphology.remove_small_objects(mask, min_size200, connectivity2) # 再用闭运算补齐建筑物边缘的空洞 mask morphology.binary_closing(mask, morphology.disk(2))remove_small_objects的min_size要根据你影像分辨率来定。如果一栋建筑只有50平方米而一个像素是1米那min_size设为50以上就行。调这个参数时应该拿你验证集里“最难的小建筑”作为基准不要为了去噪把真建筑也删了。这一套做完你的变化检测结果基本能达到让人看得过去的水平。我个人的习惯是每次改完一个参数先在一张图上做预测肉眼检查一下边缘是否连续、碎斑是否还是多。如果碎斑多先调后处理再决定要不要重新训练。模型在变化检测里不是万能的很多看起来玄学的问题最后都出在数据配准或标签不一致上。希望这些踩坑记录能帮你少走一两天的弯路也祝你的源码改造一次跑通。本文还有配套的精品资源点击获取