数据集概述
本数据集包含基于RGB航空正射影像训练的Residual-Unet模型，用于二分类（冲积沉积物与其他类别）分割任务。模型依托冲积河流廊道影像及标签数据构建，可识别正射影像中的地表冲积沉积物，由Segmentation Gym工具生成。
文件详解
- 模型配置文件（.json）：包含模型构建、训练数据及推理指令，示例文件如Elwha__1024_wood_v2_resunet.json，字段含TARGET_SIZE、MODEL、NCLASSES等训练参数
- 模型权重文件（.h5）：存储训练后的模型参数权重，示例文件如Elwha__1024_wood_v1_resunet_fullmodel.h5，供推理调用
- 模型卡片文件（_modelcard.json）：描述模型起源、训练选择及基础数据集，示例文件如Elwha__1024_wood_v3_resunet_modelcard.json
- 训练历史文件（_model_history.npz）：记录训练与验证损失及指标的numpy数组，示例文件如Elwha__1024_wood_v1_resunet_model_history.npz
- 训练过程可视化文件（.png）：展示训练/验证损失及IoU曲线，示例文件如Elwha__1024_wood_v1_resunet_trainhist_18.png
- 性能指标文件（.csv）：记录模型验证样本的精度指标，字段含OverallAccuracy、MeanIntersectionOverUnion等
- 辅助文件：BEST_MODEL.txt记录最优模型名称，sample_images.zip含测试用例输入文件
数据来源
Doodleverse（https://github.com/Doodleverse）
适用场景
- 遥感图像处理：RGB航空正射影像中冲积沉积物的自动识别与分割
- 河流地貌研究：分析冲积河流廊道的沉积物分布及动态变化
- 模型复现与优化：基于提供的配置与权重文件复现模型，或调整参数优化性能
- 地理信息系统应用：为GIS平台提供沉积物分类的算法支持
