数据类型
常见任务
土地利用分类
将卫星和航空影像分割为土地覆盖类别：城市、森林、水域、农田、荒地、湿地和其他地形类型。使用分割工具进行全图像像素级分类，或使用多边形标注进行区域级标注。建筑物轮廓提取
为测绘、城市规划和变化检测追踪建筑物的多边形边界。多边形工具支持：- 精确屋顶边界的顶点级编辑
- 直角建筑的边缘吸附
- 重复结构的复制和调整（例如排屋）
车辆和物体计数
使用边界框标注检测和计数俯视影像中的车辆、船舶、飞机和其他物体。对于密集场景（停车场、港口、机场），边界框提供快速标注且精度足够用于计数和检测模型。基础设施监控
标注基础设施元素——道路、桥梁、电力线、太阳能板、管道——用于状况评估和变化检测。变化检测
比较不同日期的影像以识别变化：新建筑、森林砍伐、洪水范围、作物生长。在同一数据集中组织时间影像对，并使用分类标签和多边形边界标注变化。数据集组织
卫星和航空影像数据集往往很大——跨地理区域和时间段的数千到数百万张图像。有效的组织至关重要。使用切片
切片创建虚拟子集而不复制图像：- 创建包含 80% 图像的
training切片和 20% 的validation切片 - 按地理区域创建切片用于区域特定模型评估
- 创建
difficult-cases切片用于标注员经常出错的图像
云存储集成
对于大型卫星影像集合，使用云存储集成直接连接您的 S3 或 GCS 存储桶。Avala 从您的存储桶读取图像而无需单独的上传步骤。对于超过 10,000 张图像的卫星影像数据集，建议使用云存储。它避免了上传瓶颈，并让您的数据保留在您自己的存储中，使用您的加密和保留策略。
示例管道
开始使用
1
准备影像
将图像转换为 JPEG 或 PNG 格式。对于地理参考数据，将坐标元数据保存在 sidecar 文件或 GIS 系统中——Avala 处理图像像素。
2
上传或连接存储
对于小数据集直接上传。对于大型集合，通过云存储集成连接您的 S3 或 GCS 存储桶。
3
使用元数据和切片组织
为项附加元数据（区域、日期、源卫星）。创建切片用于训练/验证分割和地理子集。
4
创建标注项目
定义标签分类体系（土地覆盖类别、建筑类型、基础设施类别）。选择适合任务的标注类型。
5
标注和审核
使用工作批次在团队中分发工作。使用多阶段审核满足测绘级精度要求。
6
导出和训练
导出标注并通过 API 或 SDK 集成到遥感训练管道中。
下一步
多边形工具
建筑物轮廓和基础设施的精确边界追踪。
分割工具
土地覆盖和地形测绘的像素级分类。
云存储
连接您的 S3 或 GCS 存储桶用于大型影像集合。
最佳实践
数据集组织、API 使用和标注工作流优化技巧。