面向遥感 AI 的训练数据

遥感是利用卫星或航空器搭载的传感器等，从远处获取地球信息的技术。AI 团队通过地理空间数据标注，将观测资料转化为用于土地覆盖、农业、基础设施和环境监测模型的标注训练数据。

遥感数据标注为卫星和航空影像添加标签，帮助模型学习识别对象和地理区域，例如建筑物多边形、道路折线、土地覆盖掩码和对象边界框。Unitlab 的地理空间标注工具在其数据标注平台中支持这些工作流程。

遥感关注观测资料的获取与应用，例如作物监测和土地覆盖制图。地理空间数据标注则是为 AI 准备影像标签的过程。本解决方案页面介绍遥感工作流程，地理空间标注页面介绍工具及其支持的标注任务。

团队可以通过地理空间标注准备卫星和航空影像，并在大型影像的整体场景与局部细节之间浏览。无人机解决方案介绍无人机相关应用。输入数据与工作流程要求请参阅地理空间文档。

区域可使用多边形和分割掩码，道路等线性要素可使用折线，对象实例可使用边界框。通过统一类别与边界规则保持标签一致。了解地理空间标注功能并参阅工具文档。

标注前，结合元数据中的区域、采集日期、季节和拍摄条件检查并筛选影像。数据筛选与整理帮助团队在投入标注工作之前选择相关样本并发现数据覆盖缺口。

审核人员在原始影像上下文中检查边界，并依据统一指南解决不确定的类别。标注质量保证支持按需配置审核阶段、共识和质量门禁。地理要素的审核流程请参阅地理空间标注 QA。

可以。通过数据集管理，直观检查已标注样本、筛选所需数据并保留数据集版本，使训练输入可追溯。在数据集迭代过程中，保持源数据选择与已审核标注之间的关联。

工具和工作流程请先参阅地理空间标注文档。集成指南请参阅API、SDK 和 CLI 开发者概览。选择适合标注任务与后续训练流程的受支持导出格式。