RS DL
介绍
YOLO系列是常用的目标检测模型，目前已发展到YOLO11。很多公开的遥感数据集仅包含3个波段的RGB图像，而在实际应用中，遥感数据通常包含超过3个波段。因此，需要调整代码以适应多波段的遥感图像处理。
对于我们自己编写的代码，这个调整相对简单，但对于官方发布的复杂代码，需要逐步定位相应模块，逐一进行修改，本文基于YOLO11官方代码修改。
这里清晰地出了需要注意的3个部分，我们也将根据3个部分来进行说明。
对TIF格式文件的读取
这里直接给出了需要的代码，我们会在后面详细介绍。
2. 数据归一化的问题
3. 模型通道的设置
后面我们将对Kimi提到的这3个部分逐一处理。
注：关于YOLO11 RGB普通图像的基本使用，可以查看：技术实践 | YOLO11 遥感数据应用全流程, 基于DIOR遥感目标检测数据集
tif格式文件的读取
进一步我们要找到关于数据读取的部分：
根据提示我们找到了 base.py
然后，将base.py内容输入，并询问如何修改
直接得到具体的修改方式：
这样修改起来就很方便清楚了，我们根据提示加入对应内容：
数据归一化
因为我们的示例数据也是0-255的，所以这一步没有修改，需要修改时可参考Kimi的提示:
模型通道的设置
通道的设置非常关键，根据kimi的提示，可以修改配置文件，也可以修改代码。
我们可以先根据"input channels" 找到代码位置(nn/tasks.py)
这里可以直接写上 ch =4
也可以修改配置文件，加入对通道的设置即可
ch: 4运行测试
报错，运行出现在plotting.py函数，我们先了解一下
根据提示，这个函数主要影响可视化部分，错误也是在通道数方面。搜索到关于3个通道的内容，并进行如下修改：
另外，根据Kimi的提示，mosaic可能会受到影响，我们暂时将参数设置中的mosaic 设为0（依然想使用的小伙伴可以尝试修改data/augment.py 部分内容）
顺利运行，也无报错：
拓展
这一次的过程我们尝试使用国产Kimi来辅助，可以看到能力也是非常强。我们进一步尝试了其它问题和操作：
1. 更多编程实践
2. 遥感问答
Kimi探索版会阅读网页并找到依据
3. 写作辅助
4. 联网搜索
前段时间ChatGPT新增了联网浏览器功能ChatGPT search。我们发现，Kimi这个功能的出现比ChatGPT更早，而且ChatGPT search的界面显示形式也和更早的Kimi相同。
在ChatGPT的提问和界面
下面是Kimi 同样问题的结果，右侧找到的具体网站也和ChatGPT很相似。
然而，一般提到遥感数据源，更准确的是指卫星或传感器等，而不是数据数据下载平台，这里Kimi探索版的结果更准确：
总结来看，与ChatGPT相比，Kimi在日常科研中也能发挥很好的作用，且国内更容易访问。在一些尤其是中文提出的问题上，比ChatGPT理解更准确。
点击阅读原文可直接体验Kimi网页版。
