GeoAI矢量化要求

本文档基于 GeoAI 项目源码深度分析及行业最佳实践，系统阐述面向深度学习训练的**矢量标注（Vector Annotation）**规范。在整个 GeoAI 项目 的工作链条中，“标签（Label）”并不是一个简单的附属物，而是决定模型认知边界的核心数据。GeoAI 中的大量训练流程，本质上都是：

遥感影像（Raster） + 矢量标注（Vector Label） → 栅格标签（Mask） → 模型训练

因此，“矢量标注阶段”实际上就是传统 GIS 中的：遥感影像目标矢量化。但 GeoAI 里的“矢量化”与传统测绘制图中的“矢量化”又略有区别。

矢量标注 vs.矢量化

矢量化的广义定义

矢量化（Vectorization） 是 GIS 领域的通用术语，指将栅格数据（如扫描地图、遥感影像）转换为矢量数据（点、线、面）的过程。其目的多样：

• • 地图数字化与制图
• • 空间数据库建设
• • 地物边界提取
• • 地籍
• • 测绘成果
• • 空间分析

矢量标注的特定定义

在 GeoAI 项目中，矢量标注（Vector Annotation） 是矢量化在深度学习场景下的专业化子集。它强调：

矢量标注 = 面向 AI 训练的、带类别属性的、与影像严格对齐的矢量化成果。

当你拿到一张高清影像图，在 GIS 软件中勾绘建筑、植被、水系的边界并赋予类别属性时，你正在进行的就是矢量标注。

SHP 图层结构设计

图层命名

建议：{区域标识}_{任务类型}_{版本号}_{日期},如beijing_building_2026.shp,nanjing_vegetation_2026.shp,不要随意其名称，因为后期数据量会指数爆炸。

字段设计

GeoAI 标签字段：越简单越好,训练阶段通常只需要：

推荐最小训练字段只id 和class字段，如果要进行语义增强，使用id、class、classname、source、remark。方便数据治理也符合STAC规范。

编码推荐：

内容两种组织方式对比

假设需要标注建筑、植被、水系三类地物，有两种数据组织策略：

策略 A：多个单种类 SHP（Single-class Multi-layer）

project_annotations/├── buildings.shp          # 仅含建筑，class=1├── vegetation.shp         # 仅含植被，class=2└── water.shp              # 仅含水系，class=3

策略 B：单一综合 SHP（Multi-class Single Layer）

project_annotations/└── landcover_annotations.shp    # 含所有地物，class 字段区分类别

深度对比分析

推荐方案

做语义分割，推荐综合shp，适用模型：UNet、DeepLab、SegFormer、SAM 微调

做目标检测，推荐单类别shp,适用模型：YOLO、MMDetection、Detectron2

GeoAI 源码证据

在 geoai/utils/training.py 中，核心切分函数 _process_image_mask_pair 对矢量数据的处理逻辑如下：

# Check if class_value_field existsif class_value_field in gdf.columns:    unique_classes = gdf[class_value_field].unique()# Create class mapping: 自动将任意类别值映射为 1, 2, 3...    class_to_id = {cls: i + 1for i, cls inenumerate(unique_classes)}else:    class_to_id = {1: 1}  # Default mapping

关键结论：GeoAI 的栅格化引擎天然设计为处理单文件多类别输入。它会自动提取 class_value_field 中的唯一值，并将其映射为连续的整数类别 ID。若使用多个单种类 SHP，则需：

1. 1. 分别读取每个文件；
2. 2. 手动指定每个文件的类别 ID；
3. 3. 栅格化后通过 np.maximum 或波段叠加合并；
4. 4. 极易引入对齐误差和缝隙。

在 geoai/utils/training.py 的瓦片级栅格化代码中：

for idx, feature in window_features.iterrows():    class_val = feature[class_value_field] if class_value_field in feature else1    class_id = class_to_id.get(class_val, 1)    feature_mask = features.rasterize(        [(geom, class_id)], ...    )    label_mask = np.maximum(label_mask, feature_mask)  # 高值优先

这进一步证明：单文件多类别是 GeoAI 的一等公民，多文件需额外适配。

类别映射表

每个矢量标注文件必须附带一个类别映射表（JSON 或 YAML），明确 class 值与语义之间的对应关系：

{"0":"background","1":"building","2":"vegetation","3":"water","4":"road","5":"bare_soil"}

此映射表用于：

• • 训练时配置 num_classes；
• • 推理结果可视化时赋予颜色与图例；
• • 多项目协作时统一语义理解。

几何与拓扑规范

几何类型选择

GeoAI 优先处理 Polygon。对于线状或点状地物，建议在标注阶段通过 buffer_radius 扩展为面状，或在 GeoAI 导出时设置 buffer_radius 参数。

拓扑规则

重叠处理原则：

在 GeoAI 栅格化时，若多边形重叠，后绘制的多边形会覆盖先绘制的（np.maximum 取高值）。为避免不确定性，应在矢量阶段消除重叠：

• • 建筑压盖植被 → 优先保留建筑，从植被中裁剪出建筑区域；
• • 道路穿越农田 → 道路与农田边界应完全重合。

边界精度要求

• • 配准误差：矢量边界与影像地物边界的偏差应 ≤ 0.5 个像元；
• • 最小图斑：面积小于 4 × 4 像元 的地物建议合并到相邻类别或不单独标注；
• • 简化容差：矢量简化（Simplify）的容差应 ≤ 0.5 个像元，避免过度平滑。

坐标系与投影规范

坐标系选择

与影像的对齐要求

矢量标注的 CRS 必须与参考影像完全一致

GeoAI 在读取矢量时会自动检查并重投影：

if gdf.crs != src.crs:    gdf = gdf.to_crs(src.crs)

但自动重投影会引入微小变形，因此最佳实践是：

在标注阶段就将影像和矢量统一为同一投影坐标系。

数据格式问题

Shapefile 严格来说已经不是最佳选择。Shapefile 有大量历史问题：

• • 字段名最长10字符
• • 中文乱码问题
• • 多文件依赖
• • NULL 支持差

现在越来越推荐：

• • GeoPackage
• • GeoJSON
• • FlatGeobuf

推荐目录结构

dataset/├── images/│   ├── tile_001.tif│   ├── tile_002.tif│├── labels/│   ├── landcover.geojson│├── masks/│   ├── tile_001_mask.tif│├── chips/│   ├── images/│   ├── masks/

完整工作流程示例

从影像到训练标签的全流程

步骤 1: 准备高清影像    └── beijing_hd_2025.tif (EPSG:32650)步骤 2: 创建综合 SHP 并标注    └── 在 QGIS 中新建 "beijing_hd_landcover_v1.geojson"    └── 添加字段: class (Integer), class_name (String)    └── 勾绘所有地物，填写 class 值步骤 3: 拓扑检查与修复    └── QGIS → Vector → Geoprocessing Tools → Check Validity    └── 修复重叠、缝隙、自相交步骤 4: 导出为 GeoJSON（推荐）    └── beijing_hd_landcover_v1.geojson    └── 配套: class_mapping.json步骤 5: 使用 GeoAI 生成训练数据    └── Python 代码见下方步骤 6: 验证标签质量    └── 可视化检查瓦片与掩膜的对齐情况

GeoAI 训练数据导出代码

import geoai# 单文件多类别模式（推荐）stats = geoai.export_geotiff_tiles_batch(    images_folder="data/images",    masks_file="data/beijing_hd_landcover_v1.geojson",  # 单一综合文件    output_folder="output/training_tiles",    tile_size=256,    stride=256,    class_value_field="class",      # 指定类别字段    skip_empty_tiles=True,          # 跳过无标注瓦片    all_touched=True,               # 接触即标记    buffer_radius=0,                # 无缓冲)print(f"生成瓦片: {stats['total_tiles']}")print(f"含标注瓦片: {stats['tiles_with_features']}")

类别映射表示例

# class_mapping.json{"project": "beijing_hd_landcover","version": "v1","num_classes": 6,"classes": {"0": {"name": "background", "color": [0, 0, 0]},"1": {"name": "building", "color": [255, 0, 0]},"2": {"name": "vegetation", "color": [0, 255, 0]},"3": {"name": "water", "color": [0, 0, 255]},"4": {"name": "road", "color": [255, 255, 0]},"5": {"name": "bare_soil", "color": [139, 69, 19]}    }}

常见问题与解决方案

核心原则：矢量标注是 GeoAI 训练数据流水线的起点，其质量直接决定模型性能。采用单一综合 SHP、规范字段命名、严格拓扑检查，是高效、准确制作训练标签的根本保障。