基于深度学习的多光谱图像语义分割 —— 从原理到实践（第五节）

前四节我们完成了数据准备、分块处理、预训练模型推理和应用分析。
现在，你将学习从头构建并训练自己的 U‑Net 模型，这样你可以自由调整网络结构、类别数量、损失函数，以适应你自己的多光谱数据集。
本节将深入讲解 U‑Net 架构、自定义损失函数的设计、训练超参数的含义，并给出完整的训练代码。

---

5. U‑Net 构建、训练与损失函数设计

5.1 回顾 U‑Net 网络架构

U‑Net 因形似字母 U 而得名，它最早由 Ronneberger 等人于 2015 年提出，用于生物医学图像分割，后来成为遥感分割的常用骨干网络。其核心思想是对称的编码器-解码器结构 + 跳跃连接。

编码器（收缩路径）：

• 由多个卷积块（卷积 + ReLU + 批归一化）组成。
• 每经过一个块，空间分辨率减半（通过最大池化），同时通道数翻倍（例如从 64 到 128）。
• 这一步提取了图像的语义特征（“是什么”），但丢失了空间细节（“在哪里”）。

解码器（扩展路径）：

• 由多个上采样块（转置卷积或插值）和卷积块组成。
• 每上采样一次，分辨率翻倍，通道数减半。
• 关键点：跳跃连接——将编码器对应层的特征图与解码器上采样后的特征图拼接，再将融合后的特征继续卷积。这使得解码器能够保留低级细节信息，弥补下采样造成的空间损失。

最终输出层：一个 1×1 卷积，将通道数映射为类别数，再经过 softmax 得到每个像素的类别概率分布。

U‑Net 的优势在于：

• 端到端：输入任意尺寸图像，输出同尺寸分割图。
• 参数高效：跳跃连接避免了信息瓶颈，即使训练数据有限也能收敛。
• 灵活性：可以自由调整深度、初始通道数、卷积核大小等。

5.2 使用 unet 函数构建网络

MATLAB 的 Computer Vision Toolbox 提供了 unet 函数，只需指定输入尺寸和类别数，即可自动生成 U‑Net 网络。我们还可以通过名称-值参数调整深度、卷积滤波器数量等，但本例使用默认设置。

输入图像块尺寸为 [256, 256]，输入通道数为 6（光谱通道），输出类别数为 2：

inputTileSize = [256 256];
inputDepth = 6;                     % 使用前 6 个光谱通道
numClasses = 2;                     % 二分类
unetNetwork = unet([inputTileSize, inputDepth], numClasses);

unetNetwork 是一个 dlnetwork 对象，可以直接用于训练或推理。你可以通过 analyzeNetwork(unetNetwork) 查看网络层结构、参数数量和连接关系。

5.3 自定义损失函数——带掩膜的交叉熵

在语义分割中，常用的损失函数是像素级交叉熵（Cross‑Entropy），其公式为：

Loss = -Σ_i Σ_c y_i,c * log(p_i,c)

其中 y_i,c 是真实标签的 one‑hot 编码，p_i,c 是网络预测的概率。

但我们的数据中存在无效区域（掩膜外），这些像素不应参与损失计算。因此我们需要自定义损失函数，利用掩膜屏蔽无效位置。

我们定义如下函数（需要单独保存为 lossFcn.m 文件，或在脚本末尾以局部函数形式定义）：

function loss = lossFcn(Y, T)
    % Y: 网络预测，尺寸 H×W×C（C为类别数）
    % T: 真实标签 one‑hot，尺寸 H×W×C，无效区域为 NaN
    mask = ~isnan(T);        % 有效像素位置（逻辑矩阵）
    T(isnan(T)) = 0;         % 临时替换 NaN 为 0，避免计算错误
    loss = crossentropy(Y, T, Mask=mask);
end

crossentropy 支持 Mask 参数，只会对 mask 为 true 的位置计算损失，其余位置忽略。这样我们就实现了只关注有效区域的学习。

5.4 训练选项（Training Options）详解

我们采用**带动量的随机梯度下降（SGDM）**优化器。以下是每个超参数的含义：

参数	值	含义
InitialLearnRate	0.05	初始学习率，控制参数更新步长。过大易震荡，过小收敛慢。
MaxEpochs	70	训练轮数，即遍历整个数据集的最大次数。
MiniBatchSize	16	每批处理的图像块数。受 GPU 显存限制，可调小或调大。
L2Regularization	0.001	L2 正则化系数（权重衰减），防止过拟合。
LearnRateDropPeriod	10	每 10 轮学习率乘以 LearnRateDropFactor（默认 0.1）。
LearnRateSchedule	“piecewise”	分段衰减学习率策略。
GradientThreshold	0.05	梯度裁剪阈值，限制梯度的 L2 范数，防止梯度爆炸。
Shuffle	“every-epoch”	每轮开始时随机打乱数据，增强随机性。
VerboseFrequency	200	每 200 次迭代输出一次训练信息。

设置代码如下：

maxEpochs = 70;
minibatchSize = 16;

options = trainingOptions("sgdm", ...
    InitialLearnRate=0.05, ...
    MaxEpochs=maxEpochs, ...
    MiniBatchSize=minibatchSize, ...
    L2Regularization=0.001, ...
    LearnRateDropPeriod=10, ...
    LearnRateSchedule="piecewise", ...
    GradientThreshold=0.05, ...
    Shuffle="every-epoch", ...
    VerboseFrequency=200);

5.5 启动训练

我们使用 trainnet 函数（Deep Learning Toolbox）进行训练。它支持自定义损失函数，并自动利用 GPU（如果可用）加速。

设置 doTraining = true 开始训练。训练结束后，将模型按时间戳保存，便于后续加载。

doTraining = false;   % 设为 true 以执行训练
if doTraining
    net = trainnet(dsTrain, unetNetwork, @lossFcn, options);
    modelDateTime = string(datetime("now", Format="yyyy-MM-dd-HH-mm-ss"));
    save(fullfile(dataDir, "multispectralUnet-"+modelDateTime+".mat"), "net");
end

• dsTrain 是我们在第三节构建的 CombinedDatastore，每次迭代返回一个图像块和对应的标签块。
• trainnet 会自动进行前向传播、损失计算、反向传播和参数更新，并实时输出损失值。

训练过程可能持续数小时（取决于 GPU 性能和数据量）。你可以通过 Verbose 和 Plots 选项开启训练曲线图，监控损失下降趋势。

5.6 训练过程中的注意事项

1. GPU 内存不足：如果报错 Out of Memory，可减小 MiniBatchSize 或 inputTileSize。
2. 学习率调整：若损失震荡剧烈，可降低 InitialLearnRate；若收敛缓慢，可适当提高。
3. 早停策略：可以通过 ValidationData 和 ValidationFrequency 选项添加验证集，当验证损失不再下降时提前终止训练，防止过拟合。
4. 数据增强：trainnet 本身不支持在线增强，但你可以自定义 transform 函数对数据存储进行扩充（例如随机旋转、翻转、色彩抖动等），提高泛化能力。

5.7 保存和加载模型

训练好的 net 变量保存在 .mat 文件中。之后使用时，只需：

load(fullfile(dataDir, "multispectralUnet-2026-07-17-10-30-00.mat"), "net");

即可恢复网络，用于后续推理（如第四节所示）。

5.8 本节完整代码汇总

以下是将本节所有代码组合在一起的脚本（训练部分默认关闭）：

% 构建 U-Net
inputTileSize = [256 256];
inputDepth = 6;
numClasses = 2;
unetNetwork = unet([inputTileSize, inputDepth], numClasses);

% 定义损失函数（需单独保存为 lossFcn.m）
% function loss = lossFcn(Y,T)
%     mask = ~isnan(T);
%     T(isnan(T)) = 0;
%     loss = crossentropy(Y,T,Mask=mask);
% end

% 训练选项
maxEpochs = 70;
minibatchSize = 16;
options = trainingOptions("sgdm", ...
    InitialLearnRate=0.05, ...
    MaxEpochs=maxEpochs, ...
    MiniBatchSize=minibatchSize, ...
    L2Regularization=0.001, ...
    LearnRateDropPeriod=10, ...
    LearnRateSchedule="piecewise", ...
    GradientThreshold=0.05, ...
    Shuffle="every-epoch", ...
    VerboseFrequency=200);

% 启动训练（需先确保 dsTrain 已存在）
doTraining = false;
if doTraining
    net = trainnet(dsTrain, unetNetwork, @lossFcn, options);
    modelDateTime = string(datetime("now", Format="yyyy-MM-dd-HH-mm-ss"));
    save(fullfile(dataDir, "multispectralUnet-"+modelDateTime+".mat"), "net");
end

---

5.9 本节小结

在本节中，我们完成了以下重要工作：

1. 深入理解了 U‑Net 的编码器-解码器结构和跳跃连接原理；
2. 使用 unet 函数快速构建了适用于多光谱图像的分割网络；
3. 设计了带掩膜的交叉熵损失函数，实现有效区域聚焦；
4. 详细解释了每个训练超参数的作用，并设置了 SGDM 优化器；
5. 给出了完整的训练代码，支持自定义开关和模型保存。

现在，你已经具备了从头训练一个多光谱语义分割模型的所有知识。如果训练条件允许，可以实际运行训练，对比预训练模型的效果。

---

最后预告：训练完成后，我们需要客观地评估模型的性能。第六节将介绍如何计算全局准确率、平均 IoU、F1‑score 等指标，并与真实标签进行对比，验证模型的泛化能力。敬请期待最后一节《模型评估与性能分析》。