数据集概述
该数据集包含基于CoastTrain影像及标签训练的Residual-UNet模型，用于768×768像素RGB NAIP影像的五分类分割，类别涵盖水、白浪、沉积物等地形类型，支持海岸环境影像的自动化分析。
文件详解
- 核心模型文件（每个模型对应5个同名文件）：
.json配置文件：记录模型构建、数据使用及预测的参数指令，如TARGET_SIZE、MODEL、NCLASSES等字段.h5权重文件：存储模型训练后的参数权重，用于影像分割预测_modelcard.json模型卡：描述模型起源、训练选择及数据集的元数据文件_model_history.npz训练历史文件：包含训练与验证损失、指标的numpy数组.png训练可视化图：展示训练过程中损失及平均IoU的变化曲线- 辅助文件：
BEST_MODEL.txt：记录验证损失和平均IoU最优的模型名称classes.txt：列出分割的五个类别（water、whitewater、sediment等）readme.txt：数据集概述及参考信息
数据来源
CoastTrain影像及标签数据集（Version 1: March 2022）、Segmentation Gym平台
适用场景
- 海岸环境遥感分析：自动化识别海岸带水体、沉积物等地形类型
- 遥感模型应用：基于NAIP影像的地理空间特征提取与分类研究
- 环境变化监测：长期跟踪海岸地形演变及人类活动影响
- 机器学习模型复现：验证Res-UNet模型在遥感影像分割任务中的性能
