FME与AI：空间分区之后，同一个目标可能横跨两个瓦片，被AI分别识别一次后产生重复结果——FME里合并分区AI输出时，到底该按空间距离还是按属性相似度做去重，阈值设多少才不会把真正相邻但独立的目标误合并？

一、问题的提出：为什么跨瓦片重复是结构性难题

把一幅几万平方公里的正射影像或卫星影像切成瓦片、分批送入目标检测模型，是当前遥感AI落地最普遍的工程范式。原因很直接：显存有限、单幅影像过大、推理需要并行。但切片带来一个几乎无法回避的副作用——位于瓦片边界的目标会被切开，相邻两块瓦片各自看到目标的"半截"，模型各自给出一个检测框，合并后同一目标出现两次甚至多次。

这个问题的棘手之处不在于"发现重复"，而在于"判定重复"。两个检测框在空间上接近，可能是一个目标被切两次，也可能是两个真实相邻的独立目标——比如并排停放的两辆车、连片的两个温室大棚、紧挨着的两栋建筑。去重逻辑太激进，会把真实相邻目标误合并，造成漏检；太保守，重复要素进入数据库，造成统计虚高与拓扑错误。

在FME中，这个判定最终要落成具体参数：用哪个Transformer、距离怎么算、阈值填多少。而工程实践中，这些参数往往靠"试出来"——调一调看着差不多就上线。笔者认为，这种经验主义做法在小项目上可行，但在要素量大、目标类型混杂、瓦片重叠率不统一的生产环境中，缺乏可解释性与可复现性，是数据质量事故的常见源头。

核心矛盾一句话概括：空间接近是"重复"的必要条件而非充分条件，属性相似是"同一"的佐证而非判据，二者必须分层使用而非二选一。

国内外关于此问题的讨论，散见于遥感目标检测的推理后处理、GIS数据融合、以及摄影测量中的要素接边等方向。COCO等通用检测基准中的NMS（非极大值抑制）解决的是同一图像内同类框冗余，而跨图像、跨瓦片的重复属于另一类问题，标准NMS并不直接适用。本文评述：把单图NMS的思路平移到跨瓦片场景是常见误区，因为跨瓦片的两框往往重叠度很低（各看到一半），IoU可能只有0.1~0.3，用常规NMS阈值（如0.5）根本抑制不掉，这正是许多团队"明明做了NMS还是有重复"的根因。

二、重复的成因机理：从切片策略到NMS失效

2.1 切片重叠率决定重复的"形态"

瓦片切分通常设置一定重叠（overlap），目的是避免目标恰好落在切割线上被完全切断。重叠率越高，边界目标被完整看到的机会越大，但重复检测的概率也越高。设瓦片尺寸为 W、重叠为 O，则有效步长为 W−O。重叠率 r=O/W 直接决定了边界带宽度，也决定了重复框的空间关系：

上表为基于切片几何的定性归纳（模拟整理，非实测统计）。它揭示一个关键事实：重叠率越低，重复框的IoU越低，越依赖质心距离而非重叠度来判定重复。这也解释了为什么同一套去重参数在不同项目间迁移会失效——切片策略变了，重复的几何形态就变了。

2.2 模型侧因素：召回、置信度与类别漂移

同一目标在两个瓦片中被识别，两次的置信度往往不同——因为目标在各自瓦片中的上下文、被裁切程度、光照边缘效应不同。有时甚至类别也会漂移：一个在瓦片A中被判为"货车"的目标，在瓦片B边缘被裁掉一半后可能被判为"轿车"。这意味着属性相似度并非总是可靠证据，尤其在边界带。

近年遥感目标检测研究普遍报告边界目标的召回与精度下降问题。例如针对大幅面遥感影像的切片推理研究指出，边界裁切导致的上下文缺失是精度损失的主要来源之一（相关讨论见DOTA数据集系列研究与2023—2024年多篇遥感检测改进工作）。本文评述：这意味着去重逻辑不能假设"两次检测都可靠"，而应引入置信度加权——高置信框对合并决策的话语权应更大，低置信边界框应更倾向于被吸收而非主导合并。

2.3 为什么标准NMS在跨瓦片场景失效

标准NMS按类别分组，对同组框按置信度排序，抑制IoU超过阈值的低分框。跨瓦片场景下它失效有三个原因：其一，如前所述，半框IoU过低，达不到抑制阈值；其二，NMS是"图像内"操作，跨瓦片合并时若把全部框堆在一起做NMS，计算量随要素数平方增长，且不同瓦片的坐标系/局部原点可能不一致；其三，NMS只用一个IoU阈值，无法表达"空间近但属性异"应保留的语义。

因此工程上需要的是"跨瓦片专用去重"，它本质是一个实体解析（Entity Resolution）问题：判断两条记录是否指向现实世界中的同一对象。数据库领域的实体解析、记录 linkage 研究提供了成熟框架——分块（blocking）缩小候选对、相似度度量、分类决策三步走。本文评述：把跨瓦片去重明确建模为实体解析，是本文分析主线的理论支点，它让"按距离还是按属性"的争论转化为"分块用几何、决策用多证据"的分层设计。

三、分析主线：证据分层—几何优先—属性仲裁

本文贯穿全文的独创分析主线可概括为三层递进结构。它不是简单的"距离+属性加权"，而是明确各证据的角色分工与决策顺序，从而把阈值问题分解为可分别标定的子问题。

这条主线的价值在于：它把"距离阈值"和"属性阈值"从竞争关系变为协作关系，各自在擅长的区间发挥作用。几何在"完整框对完整框"时几乎无歧义，属性在"半框对半框"时提供语义兜底。笔者认为，任何试图用单一分数（如距离与相似度加权求和成一个总分再卡一个阈值）的方案，都会因两类证据量纲与可靠性随场景漂移而难以稳定，分层设计才是工程上可维护的路径。

这一思路与遥感变化检测、建筑物提取中的"对象级融合"研究有相通之处，也与GIS领域的拓扑接边（edge matching）传统一脉相承。区别在于，AI输出的检测框带有置信度与类别概率，这为属性仲裁层提供了传统矢量接边所没有的软证据。

四、空间距离度量族：IoU、质心距、边界距与Hausdorff

4.1 四类度量的适用边界

"按空间距离去重"里的"距离"其实是一族度量，选错度量比选错阈值更致命。下表梳理常用度量及其在跨瓦片场景的适用性。

本文评述：在跨瓦片去重中，最值得作为主判据的是"归一化质心距"——质心欧氏距除以两框平均对角线（或平均面积平方根）。原因很实际：它把绝对距离转化为相对目标尺度的无量纲量，使同一阈值能同时适配小目标（车辆）与大目标（厂房）。若直接用米制距离，车辆阈值0.5米合理，厂房阈值0.5米就荒谬了。

4.2 归一化质心距的构造与阈值含义

设框A、B的质心为 cA、cB，平均对角线长度为 d̄=(dA+dB)/2，则归一化质心距 ρ=‖cA−cB‖/d̄。ρ 的直观含义是"两框中心相距几个目标身位"。ρ<0.5 通常意味着两框高度重叠，几乎必为同一目标；ρ 在0.5~1.0 之间是模糊带；ρ>1.0 基本可判为不同目标。这个经验区间来自几何直觉，但具体切分点需按目标类型标定（见第六节）。

# 归一化质心距（Python示意，可在FME PythonCaller中复用）
import math
def norm_centroid_dist(cx1, cy1, w1, h1, cx2, cy2, w2, h2):
    d1 = math.hypot(w1, h1)
    d2 = math.hypot(w2, h2)
    d_bar = (d1 + d2) / 2.0
    if d_bar == 0:
        return float('inf')
    return math.hypot(cx1 - cx2, cy1 - cy2) / d_bar

在FME中，质心可用 CenterPointReplacer 或 BoundsExtractor 取包围盒中心，框尺寸由包围盒宽高获得，距离计算用 DistanceCalculator 或 PythonCaller。注意坐标系必须统一到投影坐标系（米制），若用经纬度直接算欧氏距，高纬度地区会严重失真——这是新手最常踩的坑之一。

4.3 半框情形：为什么IoU会骗人

设想一个目标被垂直切成左右两半，左瓦片看到左半，右瓦片看到右半，两个半框几乎不重叠，IoU接近0，但质心距离约等于一个目标宽度。此时若以IoU为判据，会漏判重复；以归一化质心距为判据（ρ≈1.0），则落在模糊带，需要属性仲裁。这正是分层主线的用武之地：几何给出"不确定"，属性给出"类别一致、置信度相近"，综合判定为重复。

反之，两个真实相邻的独立目标（如并排两车），质心距约一个车身，ρ≈1.0，几何同样模糊；但它们的框各自完整、IoU可能不低（若框有膨胀），属性上类别相同、置信度都高。此时若仅凭"距离近"合并就错了。区别的关键在于：重复的半框往往有"被裁切"的形态特征——框贴瓦片边界、长宽比异常、置信度偏低。工程上可构造"边界贴合度"特征辅助判断：框边到瓦片边的距离小于某像素数即标记为边界框。

工程要点：给每个检测框附加"是否贴瓦片边界""距边界像素数""原始瓦片ID"三个元字段，是后续所有去重逻辑的基础设施。没有这三个字段，很多判据无从构造。

五、属性相似度建模：类别、置信度与语义嵌入

5.1 类别一致性：硬约束还是软证据

最朴素的属性判据是类别相同。但如前所述，边界裁切会导致类别漂移，因此"类别不同即判不同目标"这条硬规则在边界带会误伤。本文评述：类别一致性应作为强软证据而非硬约束——类别相同大幅提升重复概率，类别不同则需结合几何与置信度综合判断，尤其当两框都贴边界、置信度都不高时，类别漂移的可能性显著上升。

一个可操作的折中：建立类别相容矩阵，把语义相近的类别（轿车/货车、单栋/连排建筑）设为部分相容，完全不相容的类别（水体/建筑）设为互斥。相容矩阵可由类别混淆矩阵的经验统计得到，也可由类别标签的语义层级（如WordNet上位词关系）推导。这比简单的"相等/不等"更贴合现实。

5.2 置信度差与加权合并

两次检测的置信度差本身是信息。若两框置信度都很高且接近，支持"同一目标被稳定识别两次"；若一高一低，低者更可能是边界误检，倾向于被吸收。合并时的属性继承也应加权：最终要素的类别取高置信框的类别，置信度可取两者最大值或按面积加权平均，几何取两框的并集或高置信框（取决于是否半框）。

在FME中，这可通过 AttributeManager + StatisticsCalculator 分组统计实现，或用 PythonCaller 自定义合并规则。关键是合并策略要显式记录在元数据中（如 merged_from、merge_rule），便于事后审计——生产环境里"为什么这两个被合并了"必须可追溯。

5.3 语义嵌入相似度：前沿但需谨慎

若检测模型本身输出特征向量（如检测头的embedding），或可对目标裁剪图块再过一次特征提取网络，则可用余弦相似度作为属性证据。近年自监督视觉表征（如DINOv2系列，2023—2024年多篇工作）在无需微调的情况下提供了较强的通用特征，理论上可用于判断两个裁剪块是否同一目标。

但笔者认为，语义嵌入在去重中的边际价值有限且引入新风险：同一目标的两个半块，其特征本就因裁切而不同，嵌入相似度未必高于两个相邻同类目标的相似度。除非有针对性训练，否则嵌入相似度更适合作为辅助排序而非硬判据。工程上更稳妥的是先用几何+类别+置信度把绝大多数案例解决，嵌入只用于剩余疑难案例的人工复核队列。

六、阈值标定：从经验值到数据驱动的闭环

6.1 阈值不是常数：影响它的四个变量

"阈值设多少"这个问题没有唯一答案，因为阈值是四个变量的函数：目标尺度（小目标相对误差大）、瓦片重叠率（决定重复形态）、模型特性（召回与定位精度）、业务容忍度（漏合并与误合并的代价不对称）。下表给出按目标类型的归一化质心距阈值建议区间（基于几何推理与公开检测基准的定位误差量级整理，属经验建议而非实测最优值）。

上表为模拟整理的经验区间，用于说明阈值随尺度变化的趋势，实际项目须用自有标注数据标定。趋势很清晰：目标越大，定位相对误差越小，可容忍的ρ越大；小目标定位抖动大，阈值应更紧。

6.2 标注真值驱动的阈值标定流程

可复现的阈值标定应是一个闭环，而非拍脑袋。步骤如下：

1. 构造验证集：选取若干跨越瓦片边界的区域，人工标注"同一目标的多次检测应合并"与"相邻独立目标不应合并"两类真值对。
2. 扫描阈值：对ρ阈值在0.3~1.2区间以0.05步长扫描，记录每档的合并正确率、误合并率、漏合并率。
3. 代价加权：按业务定义误合并与漏合并的代价比（如漏合并导致统计虚高，代价系数1；误合并导致目标丢失，代价系数3），计算加权损失。
4. 选点：取加权损失最小的阈值，并检查其邻域是否平坦（平坦说明稳健，尖峰说明过拟合验证集）。
5. 分类型标定：不同目标类型分别标定，而非全局一个阈值。

这套流程本质是把去重当作一个二分类问题来评估，用PR曲线或代价曲线选工作点。它与机器学习中的阈值选择方法一致，只是特征换成了几何与属性证据。本文评述：把阈值标定纳入CI/CD式的回归测试——每次模型更新或切片参数变更都重跑标定——是生产环境应有的纪律，可惜多数团队尚未做到。

6.3 属性仲裁层的阈值：加权评分与决策规则

进入属性仲裁的候选对，可构造一个综合评分 S = w1·类别相容 + w2·(1−归一化置信度差) + w3·几何补充项，权重可按验证集调。但笔者更推荐规则化决策而非纯加权，因为规则可解释、易审计：

IF 类别相容 AND 至少一框贴边界 AND ρ < 1.0:
    判定重复（边界半框合并）
ELIF 类别相容 AND 两框均不贴边界 AND ρ < 0.6:
    判定重复（完整框高重叠）
ELIF 类别不相容 AND ρ > 0.8:
    判定不同（相邻独立目标）
ELSE:
    进入人工复核队列

规则化决策的代价是需要维护规则库，但收益是每个判定都可解释。在FME中，这可用 Tester + 多条件组合实现，或用 PythonCaller 写清晰的 if-else 逻辑。人工复核队列则通过写日志要素类实现，形成持续改进的数据飞轮。

七、FME实现路径：Transformer工作流逐节点拆解

7.1 整体工作流骨架

一个可复用的FME工作流大致分为五段：读入与标准化 → 几何预处理 → 候选对生成 → 分层判定 → 合并输出与审计。下面逐段说明关键Transformer与参数。

7.2 候选对生成：NeighborFinder 还是 SpatialRelator

NeighborFinder 适合"找最近邻"，可设最大距离，输出候选与距离，适合质心距分块；SpatialRelator 适合"相交/包含"关系，适合IoU分块。工程上建议两者结合：先用 NeighborFinder 以宽松距离（如2倍平均目标尺度）找候选，再用 PythonCaller 精算ρ与IoU。注意 NeighborFinder 的候选数上限（默认1）要调大，否则会漏候选。

要素量大时（十万级以上），候选对生成是性能瓶颈。可用 SpatialSorter 或网格索引（Tiler + 分组）降低复杂度。FME 2023版以后对空间索引有优化，但分组处理仍是稳妥做法：按瓦片ID或网格ID分组，组内做候选对，避免全局两两比较。

7.3 合并几何：并集、高置信框还是凸包

判定重复后，几何怎么合并没有唯一答案。完整框对完整框，取高置信框即可；半框对半框，取并集（Dissolver）更合理，因为并集近似还原完整目标；若两框都有裁切，并集可能仍不完整，此时可考虑用凸包或按边界延拓。本文评述：几何合并策略应与"是否贴边界"字段联动——贴边界的半框优先并集，不贴边界的完整框优先高置信框，这样既还原目标又避免框膨胀。

属性合并则用 AttributeManager 配合条件赋值，或 Aggregator 的统计模式。务必保留 merged_from（原始ID列表）、merge_rule（触发的规则）、merge_score（ρ值）三个审计字段。

7.4 可扩展资源

FME官方文档与社区有大量空间关系处理教程，可作为实现参考：Safe Software 官方 Transformer 文档（NeighborFinder 文档）、FME Community 的空间分析案例（community.safe.com）。遥感切片推理的工程实践可参考 Ultralytics 的 SAHI 切片推理方案（SAHI Tiled Inference 指南），其中对切片重叠与后处理的讨论对理解重复成因很有帮助。视频方面，FME官方YouTube频道的空间关系处理系列可作为入门（Safe Software YouTube）。

八、工程陷阱与调参手册

8.1 五个高频陷阱

1. 坐标系混用：经纬度直接算欧氏距，高纬度失真可达数十个百分点。务必先 Reprojector 到投影坐标系。
2. 全局单一阈值：车辆与厂房共用0.5，必有一方出错。分类型标定是底线。
3. 忽略瓦片元数据：丢失瓦片ID与边界距离，事后无法诊断为何误合并。
4. 合并顺序依赖：链式合并（A并B、B并C）可能把三个目标并成一个，需用连通分量或并查集控制。
5. 无审计字段：合并结果不可追溯，出问题只能重跑。

8.2 调参速查

面对新项目，可按以下顺序快速起步：先看切片重叠率定重复形态（低重叠→重质心距，高重叠→重IoU）；再按目标尺度定ρ初值（小目标0.4，大目标0.6）；然后用验证集扫描±0.2；最后按业务代价比微调。整个过程半天可完成，远快于盲目试错。

九、前沿预判：学习式去重与端到端融合

当前去重逻辑多为规则式，前沿方向有三。其一，学习式去重：把候选对的特征（ρ、IoU、类别相容、置信度差、边界贴合度）输入一个小型分类器（如梯度提升树），用标注数据训练"是否同一目标"的判别，阈值由分类器概率替代。这在数据充足时优于手工规则，且可随数据迭代。

其二，端到端融合：一些研究尝试在模型层面处理切片边界，如对边界区域做上下文填充、或用重叠推理+特征融合，从源头减少重复。这类方法减少后处理负担，但增加推理成本，且对已有模型需改造。本文评述：端到端是长期方向，但短期内规则式后处理仍是性价比最高的方案，二者会长期共存。

其三，大模型辅助判别：视觉语言模型对"这两个裁剪块是否同一物体"可给出语义判断，适合疑难案例复核。但其推理成本与稳定性尚不适合全量处理，定位为人工复核的辅助更现实。

十、结论与操作清单

回到最初的问题：按空间距离还是按属性相似度？答案是分层使用——几何做分块与硬判，属性做模糊带仲裁，阈值分类型标定并纳入回归测试。单一证据、单一阈值、全局一刀切，是重复与误合并反复出现的根源。

空间分区与AI推理的组合会长期存在，跨瓦片去重不是一次性脚本，而是需要持续维护的数据治理环节。把判定逻辑显式化、阈值标定流程化、审计字段制度化，才能让"同一目标只出现一次"从愿望变成可验证的工程事实。