关于图像分割（Python）的类别合并：卫星图像领域适配技术咨询

以下是不同场景下的可落地方案，可根据你的开发流程选择适配：

1. 离线标签预处理方案 #

适合数据量不大、不需要频繁调整类别合并规则的场景：

• 先梳理原数据集的类别ID映射关系，例如原映射为{0: 'background', 1: 'Roads', 2: 'Buildings', 3: 'Vegetation'}
• 定义新的类别映射规则，将需要合并的类别映射到同一个ID，例如将原ID1、2都映射为新ID1，后续类别ID对应顺延，得到新映射{0: 'background', 1: 'Roads_Buildings', 2: 'Vegetation'}
• 单通道掩码图处理可直接用numpy批量替换像素值，示例代码：

import numpy as np
from PIL import Image

old_label = np.array(Image.open("source_label.png"))
# 批量替换类别ID
new_label = np.where(old_label == 2, 1, old_label)
new_label = np.where(old_label == 3, 2, new_label)
Image.fromarray(new_label).save("processed_label.png")

• 若是COCO格式的JSON标注，直接遍历所有annotations条目替换category_id，同步更新categories字段的类别列表即可。

2. 训练时动态合并方案 #

适合需要做多组消融实验、不想额外存储预处理后标签的场景：

• 重写数据集类的__getitem__方法，读取原始标签后实时做类别ID映射，不需要修改原始数据集，调整合并规则仅需修改映射表即可，示例代码：

def __getitem__(self, idx):
    img = self.load_img(idx)
    old_label = self.load_label(idx)
    # 合并映射表，key为原类别ID，value为新类别ID
    merge_map = {0:0, 1:1, 2:1, 3:2}
    new_label = torch.zeros_like(old_label)
    for old_id, new_id in merge_map.items():
        new_label[old_label == old_id] = new_id
    return img, new_label

3. 损失计算阶段合并方案 #

适合领域适配场景中不需要显式修改标签的情况：

• 计算损失前对模型输出的logits做通道合并，无需改动数据加载逻辑，适配性更强，示例代码：

import torch.nn.functional as F

logits = model(img) # 输出维度 [B, 4, H, W]，对应4个原始类别
# 合并Roads、Buildings对应的第1、2通道（索引从0开始）
merged_logits = torch.stack([
    logits[:,0,:,:],
    logits[:,1,:,:] + logits[:,2,:,:],
    logits[:,3,:,:]
], dim=1) # 合并后输出维度 [B, 3, H, W]
loss = F.cross_entropy(merged_logits, label)

注意事项 #

• 合并类别前要确认两类标注的质量，避免标注误差叠加影响模型效果
• 评估阶段要同步修改类别映射规则，保证训练、评估的类别体系一致

内容的提问来源于stack exchange，提问作者Priyanka Mishra