赛题业务场景：描述赛题相关的真实企业业务背景。从真实场景中，适当简化或者提炼出适合比赛的赛题场景

在进行基于遥感影像^[8]的土地利用/覆盖解译^[9]时，需要生产人员对着遥感影像底图按影像上地物形态勾画地块边界图斑，以作为后续地块类型等属性数据^[10]判别的基础，传统纯手工的方式效率较为低下。

根据实际业务背景，要求参赛团队利用给定的影像，进行相应的半自动/自动图斑提取，以满足实际业务的提升效率需求。

基本功能要求

1.任意给定一幅影像并在该影像上指定若干参考点位，自动识别出经过这些参考点位的线状地物^[11]或包含这些参考点位的面状地物^[12]；

2.任意给定一幅影像和一个面状作业区域，自动识别出区域内的肉眼可见的线状、面状地物，并矢量化；

非功能性要求

1.一幅影像面积不少于400平方公里，影像分辨率优于2米；

2.单次提取时，输入的面状区域^[13]面积不小于10平方公里；输入参考点位数量不超过10个；

3.单次提取时间消耗少于3秒；

4.提取的地物要求几何位置准确率优于85%，漏提率低于5%，几何数据在保证准确的前提下尽可能美观，地物属性不做要求；针对不同时像、区域，提取算法的普适性较好，结果允许±5个百分点；

5.工具交互操作简单明了，信息反馈准确；

6.不存在导致工具崩溃、不可用、卡死等严重影响使用的问题；

7.代码（算法）中至少包含20%有效注释；

8.不能使用商业软件作为实现方案，可采用市面上存在的任何开源软件；

9.工具要求能在单机环境下流畅运行。

实现条件：开发环境、实验平台、开发语言、数据库、编译器、涉及硬件等实现条件

软件环境

1.开发语言可选C/C++、Java、Python；

2.操作系统可选Windows、Linux或者跨平台；

3.编译器选择C99+、C++11+、JDK8+、Python2.7+

4.参考开源软件包括但不限于：gdal、opencv、Orfeo Toolbox、cgal、geos、boost、pytorch、tensorflow、qgis、spark、flink...

5.关于提取算法在上述开源软件中都有体现，在实际开发时需要重组或优化；

6.其他软件可按需选择，通信设备。

测试数据或平台：提供给参赛者的测试环境和测试数据

提供不同时像、区域的国产高分2号0.8米卫星影像测试数据20幅，约8000平方公里。若需训练样本，可自行在这8000平方公里内选择制作；另提供10幅作为验证数据。

数据下载链接：https://pan.baidu.com/s/1eU1BOjtuyNdqvUrG_aFWMA
提取码：g7ng

开发所需设备及设备指标需求说明

硬件环境建议配置

1.CPU i5 9400 6核

2.内存16GB

3.硬盘500GB，SSD

4.GPU RTX2080TI

文档及其他要求

1.算法描述文档

2.编译说明文档

3.简明操作手册

各评分项及大致占比

1.功能完整（30%）

提交的程序功能完整，可独立运行，执行环境依赖尽可能简单，无需配置或少许配置。

2.识别准确率高，漏提率低（40%）

地物识别准确率（只考虑空间位置的准确，不需要考虑属性信息）高，漏提率尽可能低。

3.识别效率高、稳定性强（15%）

识别效率高，支持长时间操作不影响效率，程序运行稳定，不存在内存泄露、异常退出等影响使用的问题。

4.代码规范性、文档完备性（10%）

代码编写规范，可读性强，程序注释有效，文档完整。

5.操作便捷性、可用性，反馈准确性（5%）

程序可用性强，信息提示、反馈准确，操作简单。

初赛作品提交要求

1.工具所有实现源代码；

2.依赖三方开源库；

3.编译说明文档；

4.可执行程序及简要操作手册；

5.实现思路说明PPT

6.演示视频（7分钟之内）