ArcGIS深度学习像素分类后显示全黑单类影像的原因及解决方法

问题场景 #

• 输入数据：自行拍摄的村庄区域无人机影像
• 操作流程：在ArcGIS中调用预训练模型执行深度学习像素分类任务，工具运行全程无报错
• 故障表现：输出结果为全黑掩膜，未识别勾勒出目标田埂轮廓
• 故障截图：

故障原因与对应解决方案 #

• 输入影像预处理规则与训练阶段不匹配
  模型训练阶段通常会对样本做统一的波段筛选、位深转换、像素值归一化、拉伸处理，如果推理阶段直接输入原始无人机影像，和训练时的输入规范差异过大会导致模型无法提取有效特征，最终输出全背景值的黑图。比如训练时用的是8bit RGB三波段、做过2%线性拉伸的样本，推理时输入16bit包含近红外波段的原始影像，波段顺序、像素值范围完全不匹配。
  解决方法：
  1. 查看模型配套的.dlpk/.emd说明文件，确认训练时要求的输入波段数、波段顺序、影像位深、空间分辨率，使用Composite Bands工具调整波段顺序，Stretch Raster工具匹配拉伸方式与位深，Resample工具对齐空间分辨率，保证输入影像和训练样本的参数完全一致。
  2. 核对训练时的像素归一化参数，在推理工具的模型参数栏准确填写对应的均值、标准差参数，避免输入像素值超出模型有效感知范围。
• 类别映射与NoData配置错误
  像素分类模型会为每个类别输出固定的像素ID，如果推理时设置的类别ID映射关系和训练时不一致、或是错误将有效类别的像素值设为NoData，会导致所有有效识别结果被判定为背景值，视觉上呈现全黑。比如训练时田埂类别ID为1、背景ID为0，推理时误将类别映射写反，或是配置了错误的NoData规则。
  解决方法：
  1. 严格按照模型说明文件里记录的类别ID、类别名称配置推理工具的类别映射参数，不要自行调整ID对应关系。
  2. 输出完成后使用识别工具点选掩膜像素查看实际值，如果存在非0像素，检查输出栅格的NoData设置，不要将有效类别ID设为NoData值。
• 推理切片参数与训练阶段不匹配
  模型训练时的输入切片尺寸、边缘填充值是固定的，如果推理时设置的切片大小、padding值和训练时差异过大，会导致切片范围内的特征尺度不匹配、边缘预测失效，拼接后全为背景值。
  解决方法：
  核对训练时使用的切片尺寸（常见为256×256、512×512），推理时将tile size、padding参数设置为和训练时完全一致，padding值建议不小于切片尺寸的1/8，减少边缘预测误差。
• 图层显示拉伸设置错误
  部分场景下输出掩膜本身存在有效分类值，但ArcGIS默认对单波段栅格启用标准差拉伸，由于分类结果像素值只有0、1两个离散值，拉伸后有效类别像素亮度过低，视觉上和全黑掩膜没有区别。
  解决方法：
  右键点击输出掩膜图层，打开「属性-符号系统」面板，将拉伸方式设置为「无」，手动为不同类别ID分配区分度高的显示颜色，确认是否存在有效识别结果。

内容的提问来源于stack exchange，提问作者Ann Maria