GeoLabel2.0很久前就预告了，今天发布一个初级版本，后续会逐渐完善GeoLabel在智能解译上的能力，包括样本制作、模型训练、批量解译和半自动解译。如果说GeoLabel的智能解译跟大家看到的其他大厂的有什么不一样，用两句话可以描述：
“大厂们都想把你的数据放到云上处理，而GeoLabel想把只有云上能实现的能力搬到一线数据工程师的手边上。”
“为了让一线数据工程师能用起来，GeoLabel智能解译不依赖于python环境，也不依赖于任何深度学习框架以及其他第三方软件，即装即用。”
鉴于这样的思路，GeoLabel的逻辑和阿里达摩院、百度、超图等大厂的着力点是完全不一样的，如果大厂们的遥感AI能力真的能达到实用的程度，GeoLabel的使命也就完成了，否则，感觉还可以再继续维护一段时间。
1 总体说明
总体来说，GeoLabel规划的智能解译是“样本制作-模型调优-批量预测与后处理-人机交互半自动解译”的完整业务流程。前期GeoLabel的主要着力点在“样本制作”，这次发布的重点包括两个部分：
- 样本标注预测：可以用于样本预标注与模型验证，指导样本补充方向；
- 交互式自动解译：通过画框或不规则多边形自动解译框内或多边形内的影像，与人工解译无缝配合。
注：本次只放了一个分割提取模型，后续根据反馈会放更多的模型（包括目标检测等），以及优化已有模型，模型的自助训练也在开发中。
功能实现没有增加界面，只在样本标注主窗口的顶部增加了一个“半自动标注与预测”功能组。
- 对于样本的预标注，当前支持整个样本标注，无需勾画范围。
- 对于大影像标注或解译，支持勾画矩形和多边形，在范围内进行预测。
2 安装配置
在标准安装版本中没有放智能解译需要的组件，需要把作者共享的InBuildAutoInterpre文件夹和weights文件夹放到GeoLabel的安装目录即可。
由于智能解译的需求多样，希望能获取到更多精准的需求，本次智能解译功能的使用需要实名申请。
另外需要说明的是：
- 1） 如果不需要智能解译功能，安装标准版本即可，无需下载智能解译包
- 2） 配置智能解译包后，由于涉及到GPU环境的初始化，启动时速度会比标准版本慢，使用中效率无影响。
3 样本预标注
正常启动样本标注后，界面如下图所示，前面已多次介绍过，不再赘述。打开一个样本后，如图中打开的是6号样本，即可开始进行样本预标注。（当前只配备了1个4波段16位影像水体提取模型）
将目标矢量图层（也就是6_shp图层）设置为当前图层，点击右侧窗口中的“预测”按钮即可。
提取的结果直接添加到标注的目标矢量图层。可以在视图的左下角看到提取的基本信息和实时进展，提取完成可以看到整个提取时间耗时。
4 交互智能解译
对于数据生产，面对的是整幅遥感影像，在不考虑提前对整幅影像进行自动提取后再人工修改的模式（这种模式，GeoLabel根据需求情况，很快也会支持）的情况下，这个版本重点关注人机交互智能解译，也就是作业人员实时判断某个区域可以进行自动解译，再圈出来进行自动解译，其他地方还是人工解译。（当然，当前还相对比较粗糙，可以根据实际生产情况再完善）。
整幅影像解译可以采用整幅标注的方式构建工程，该功能发布的比较晚一些，且没有视频介绍，大家可能生疏一些，这里再讲一下。
在创建工程时，勾选“是直接对大的影像进行标注…”,设置项目路径，设置影像路径即可，如下图所示。（具体设置可以参照本号推文“GeoLabel发布年前最后一个大版本，建立技术交流微信群”推文，咳，应该这个推文的名字把这个很厉害的功能给埋没了。）
点击“确定”后，与其他样本制作工程界面一致。
同样，点击“启动标绘”，弹出样本标注窗口。与标准标注模式不一样的是，样本标注窗口底部多了个标注格网部分，这主要为人工解译服务，智能解译中现在还没用着。
当然，我们也可以勾选“显示渔网”，可以看到窗口被渔网切分，此时我们可以精准地控制移动到哪一个格网，以及哪个格网已完成解译，哪些格网还未完成解译。这是题外话。
下面进入智能解译正题。
4.1 框选解译
在标注窗口中选择“框选”，点击“框选”按钮，在视图中画一个矩形，点击“预测”。
稍等片刻，即提取完成。当然，如果感觉提取效果不好，可以点击“ctrl-z”取消结果，如果感觉可用，可直接在此基础上编辑。
4.2 选择多边形区域解译
在标注窗口中选择“框选”，点击“多边形选”按钮，在视图中画一个多边形，点击“预测”。
5 2.0.0版本其他更新内容
- “高级-生成样本”功能中，对于矢量标签，批量生成后导出单个样本的矢量标签，对于目标检测，可将该矢量转给YOLO、VOC等格式。
- 修改编辑时线条的颜色和宽度，原来的红色在假彩色影像中显示不明显。