数据集概述
该数据集包含基于DeepGlobe地物分类数据集训练的Res-UNet模型，用于512×512×3像素RGB高分辨率图像的七类地物分割（城市、农业、牧场、森林、水体、裸地、未知）。模型由Segmentation Gym生成，配套有配置文件、权重文件、模型卡片等多类型文件，支持遥感图像分割任务的模型复用与评估。
文件详解
该数据集包含多组模型文件及辅助文件，具体说明如下：
- 模型核心文件（每组模型含5个同名根文件）：
- .json配置文件：记录模型创建、数据使用及预测的指令，为Segmentation Gym生成权重文件的依据
- .h5权重文件：存储训练后的模型参数权重，可通过seg_images_in_folder.py调用，支持模型集成
- _modelcard.json模型卡片：记录模型起源、训练选择及数据集等元数据，为非程序使用的重要说明文件
- _model_history.npz训练历史文件：存储训练与验证损失、指标的numpy数组，由train_model.py生成
- .png训练可视化文件：绘制训练与验证损失及平均IoU曲线，为.npz文件数据的子集
- 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：列出七类地物类别（urban、agricultural、rangeland、forest、water、bare、unknown）
- readme.txt：数据集概述说明
数据来源
适用场景
- 遥感图像处理：用于高分辨率RGB卫星图像的自动地物分类与分割
- 深度学习模型研究：评估Res-UNet在遥感地物分割任务中的性能，或基于现有模型进行微调
- 地理空间分析：为土地利用/覆盖变化监测、生态环境评估等提供技术支持
- 模型可复现性研究：通过配置文件与权重文件复现模型训练过程，验证分割算法效果
