大尺寸卫星图像切块用于CNN目标检测：标注保留与结果合并

Hey there! 针对你在卫星图像目标检测中遇到的大尺寸图像适配416×416模型输入的问题，我来分享一套实战性很强的解决方案，涵盖训练阶段的图像切块+标注保留，以及测试阶段的结果合并：

1. 图像切块策略 #

• 滑动窗口切块：用416×416的窗口以固定步幅（推荐208，即50%重叠率）在大图像上滑动遍历，确保覆盖所有区域。如果图像边缘剩余尺寸不足416，可采用黑边填充或镜像填充的方式补全，保证每个切块都是标准的416×416规格。
• 目标导向切块：如果数据集里的目标分布不均匀，优先围绕标注目标所在区域切块（比如每个切块至少包含1个完整/半完整目标），减少无意义的空切块，提升训练效率。

2. 标注坐标的转换与过滤 #

这一步是核心，必须把原图像的标注框坐标映射到对应切块的局部坐标：
假设原图像的标注框坐标为(x_min, y_min, x_max, y_max)，当前切块在原图像的左上角起始坐标为(crop_x, crop_y)，那么切块内的标注框坐标计算逻辑如下：

# 转换为切块内的局部坐标
crop_x_min = max(0, x_min - crop_x)
crop_y_min = max(0, y_min - crop_y)
crop_x_max = min(415, x_max - crop_x)  # 图像索引从0开始，416尺寸的最大索引为415
crop_y_max = min(415, y_max - crop_y)

• 过滤无效标注：如果原标注框与切块的重叠面积占原框面积的比例低于阈值（比如30%），直接丢弃该标注，避免训练时引入不完整的目标干扰模型学习。
• 格式适配：如果你的模型用YOLO格式标注，记得把转换后的坐标归一化（比如x_center = (crop_x_min + crop_x_max)/2 / 416），再保存为对应格式的标注文件。

1. 检测结果的坐标还原 #

每个切块的检测结果需要先还原回原图像的全局坐标：
假设切块在原图像的左上角起始坐标为(crop_x, crop_y)，切块内的检测框坐标为(det_x_min, det_y_min, det_x_max, det_y_max)，那么原图像的全局坐标计算为：

# 转换为原图像的全局坐标
orig_x_min = det_x_min + crop_x
orig_y_min = det_y_min + crop_y
orig_x_max = det_x_max + crop_x
orig_y_max = det_y_max + crop_y

同时保留检测框的置信度、类别标签等信息。

2. 重复检测框的去重处理 #

由于切块存在重叠区域，同一个目标会被多个切块重复检测到，需要用**非极大值抑制（NMS）**来合并重复框：

• 先将所有还原后的检测框按类别分组；
• 对每个类别的框，按置信度从高到低排序；
• 依次遍历框，计算当前框与已保留框的IoU（交并比），如果IoU大于设定阈值（比如0.5），则丢弃当前框；否则保留。
• 进阶可选：用Soft-NMS替代传统NMS，对重叠框的置信度做衰减而非直接丢弃，更适合卫星图像中边缘模糊、形态不规则的目标。

3. 边缘补全区域的结果修正 #

如果训练时对图像边缘做了补黑边处理，测试时要检查检测框是否落在补黑边的区域，若有则裁剪掉超出原图像范围的部分，只保留有效区域的检测结果。

小提示 #

如果你用的是YOLO系列模型（比如Ultralytics YOLOv8/v9），官方已经内置了滑动窗口推理和结果合并的功能，直接调用类似下面的代码就能搞定，不用自己从零实现：

from ultralytics import YOLO

model = YOLO("your_trained_model.pt")
results = model.predict(
    source="large_satellite_image.jpg",
    imgsz=416,
    stride=208,  # 滑动步幅
    merge=True   # 自动合并重叠区域的检测结果
)

内容的提问来源于stack exchange，提问作者vvv