我是深度学习的新手，但已经能够成功地使用RasterVision来预测一组航空影像中的建筑物足迹。

此航空影像数据集适用于新西兰的一个省。现在我有一个模型可以在这个省成功预测，我对如何使用它来预测新西兰的许多其他地区很感兴趣。问题是这些区域是使用不同的传感器、分辨率和不同的色彩平衡来捕获的（我尝试在另一个区域使用我的模型，结果很差，70% 的召回率，而在训练的区域中只有 92%）。

我猜我可以以我的模型为基础在另一个地区开始训练......

我的问题是，是否可以想象我可以训练一个模型，该模型可以在具有不同分辨率（0.1m --> 0.7m）和不同色彩平衡的许多区域中以可接受的准确度进行预测，或者是采用基本模型并重新训练的方法对于每个不同的图像数据集（显然不太理想）？

在如此不同的航空/卫星图像中是否有这种方法的例子？

我注意到这个问题确实在分辨率方面回答了其中一些问题。我同样感兴趣的是跨数据集不同颜色平衡的影响和管理

我想开始预测的其他图像数据集包括这些