前言

我是一名giser也是一名开发者，刚入行时，第一件事情就是做三调图斑的矢量化，当时费劲心思一天也才只能画2平方公里左右的矢量数据，随着不断的学习和接触了各种各样的新技术，如果能把这些过程实现自动化，哪怕不能完美，都不知道能节约多少人力物力。带着这个想法，我一路研究，最终是通过fme结合深度学习模块，将整套完整流程集成到了模板内部。在介绍这套方案之前，我首先得感谢我的和尚哥，他作为FME资深大佬，在整套流程的搭建中，指导我攻破了许多难题。

一、环境搭建

1、FME

FME作为主角，在整套流程中扮演这至关重要的角色，我使用的是2021版本，搭载了较新的python3.8编译器，这点至关重要，因为深度学习的环境搭建对各种库，python版本，驱动版本和cuda版本都有限制。版本不对应，就会出现各种报错。

2、tensorflow 2.7

tensorflow是python的一个深度学习框架，我这里使用的版本是gpu-2.7版。

3、cuda11.4和对应的cudnn

这是深度学习的核心所在，也是数据能在gpu上计算的重要组件。

4、语义分割模型deeplapv3+

这是目前深度学习语义分割部分效果最好的模型之一，采用了空间卷积来提高了感受野的能力，能使提取的特征细节化，fcn等模型不具备的