GeoAI教程：用U-Net、Grounding DINO等提取建筑轮廓

构建端到端GeoAI建筑提取工作流

本教程系统性地设计并实现了面向地理空间AI（GeoAI）的建筑足迹（building footprint）提取全流程，目标是从美国农业部主导的国家农业影像计划（NAIP）提供的高分辨率航拍影像中，自动生成结构化建筑多边形矢量数据。整个流程覆盖数据准备、模型训练、推理部署与结果后处理四大阶段，强调可复现性与模块化设计。

环境配置与数据准备

教程首先配置地理空间深度学习运行环境，安装核心库包括`geoai-py`、`segmentation-models-pytorch`和`buildingregulariser`。环境验证环节检查PyTorch版本及CUDA可用性，并自动识别GPU设备（如Colab中的T4）。随后定义统一配置字典（CFG），明确切片尺寸（512×512）、步长（256）、编码器（ResNet-34）、训练轮次（12）、学习率（1e-3）等关键参数。工作目录创建后，脚本自动从Hugging Face数据集下载三组公开样本：训练用RGB航拍影像（`naip_rgb_train.tif`）、对应建筑矢量标签（`naip_train_buildings.geojson`）及独立测试影像（`naip_test.tif`）。

数据质检与空间属性分析

下载完成后，教程执行严格的数据质检：调用`geoai.get_raster_info()`解析影像元数据，输出坐标参考系（CRS）、分辨率、波段数、地理范围等；通过`geoai.get_raster_stats()`统计各波段像素值分布；使用`geoai.get_vector_info()`检查矢量文件图层结构与字段信息；并加载GeoDataFrame展示前3条建筑要素记录，确认其数量（共1,287栋训练建筑）及空间参考一致性。可视化模块`geoai.view_vector()`叠加矢量轮廓于原始影像上，直观验证标签与影像的空间对齐精度。

U-Net语义分割模型训练与推理

基于质检后的数据，教程构建U-Net架构（ResNet-34编码器+ImageNet预训练权重），以3通道RGB影像为输入、2类（建筑/非建筑）为输出进行端到端训练。训练过程监控损失曲线与指标变化，验证集分割效果经IoU与F1分数量化评估。推理阶段采用滑动窗口策略处理整景未见影像，避免内存溢出并保障边界完整性。预测生成的二值掩膜（binary mask）随后被转换为几何多边形——通过`buildingregulariser`库执行拓扑清理、轮廓简化与直角化正则化，提升矢量结果的制图规范性与下游可用性。

多模型对比与扩展验证

教程进一步拓展技术边界：启用零样本分割能力，组合Grounding DINO（文本引导定位）与Segment Anything Model（SAM）实现无需训练的建筑掩膜生成，并与前述U-Net结果比对；同时调用预训练的Mask R-CNN实例分割模型作为强基线参照。所有方法均在相同测试影像上运行，确保评估公平性。最后，工作流被迁移至真实场景——接入微软行星计算机（Microsoft Planetary Computer）提供的NAIP影像与Overture Maps发布的开放建筑矢量数据，验证其在跨区域、跨数据源条件下的泛化能力与工程鲁棒性。

编者观点：该教程为中国遥感AI落地提供可复用的技术范式，尤其适用于自然资源调查、城市更新监测等需高频更新矢量底图的政务与商业场景，凸显多模型协同与开源数据栈的价值。