大数据之：影像提取中深度学习样本获取的思考

话说，虾神一直是做空间统计和数据分析的，对于深度学习这个热门学科，一直以来也就停留在“了解”阶段，虽然这个平展开来，里面比较核心的技术使用了聚类，而虾神研究生的时候做的课题也正好是空间聚类，所以也算有点沾亲带故把。但是毕竟不是专门做这个的，具体的技术细节也处于一知半解的状态，而今天突然“赶时髦”般的想写这样一篇文章，无论是蹭热点也好，东施效颦也好，因为有些事情已经到了不吐不快的程度。

机器学习的基本原理。就像下面的漫画：你告诉一台电脑，1+1 =2 然后，问它，它回答等于500，你一边丢他老木，一边不停的矫正，告诉它等于2，等于2，经过无数次的矫正，最后电脑终于知道1+1 =2，那么第一阶段目标达成。。。然后你就可以开始教它1+2 =3 了。

不管是啥学习，关键在于学习两个字，从人类获取知识的角度来说，最标准的流程就是：教——学。首先要有老师教，也就是所谓的启蒙，之后再进去引导，最后才是完全的自学。哪怕是在自学中，如果有人正确的提点，那么效果也会比自学好很多倍。告诉的过程就是所谓的“训练”，比如识别苹果，人们先准备几百张（几千？几万？几十万？）张不同角度，不同颜色、不同表现的苹果的图片，然后用相应的模式提取出表达为苹果的特征，然后这些特征转换成机器能够读懂的数据模型，比如rgb为255,0,0的就是红色，大部分苹果的颜色都是红色——诸如此类的。提取特征，用新提取的特征，去原来训练好的模型里面去验证一下，如果符合某些设定，那么机器就会告诉你，这个图片里面有没有苹果。批改家庭作业和测试一样，然后把新的图片再加入到样本集中，修正模型。但是在我们做人工解译的过程中以及之后，没有留下任何可以复用的成果。如果说进行人工解译的时候，把所有的特征数据通过提取——标记的方式，制作成样本库，将这些样本库作为机器学习的样本来提供给程序进行训练。这种方法会被人直接跳出来准备用砖头呼在虾神脸上：你说得轻松，矢量化本来就很辛苦了，还给你去做提取标记，这是N倍的工作量好吧！你来开工资么？就算你你开得出工资，项目时间呢？我们争分夺秒的干活，你还在这里不切实际的在幻想……最后总结出一句话：不懂的走开，瞎指挥……当绘制出矢量信息之后，把矢量线（或者面）写入属性信息，那么需要做仅仅是利用这些矢量的面（或者线）直接对栅格数据进行一个按掩膜提取就可以了。按掩膜提取即可：1、遥感影像要进行机器学习获取样本，很容易的可以从矢量化结果中来。2、矢量化将不再是结果，而只是一个中间的过程。

3、GIS的传统工具，在大数据中，依然会变得很有用，正如英国人发明了坦克，而德国人仅仅在使用的手法上做出了一些改变，就改变了整个战争的形态。

4、当我们做的工作越来多，那么我们的样本库就会越来越丰富，那么机器就会越来越聪明……千里之行始于足下，就从基础数据提取开始吧。