数据集概述
本数据集包含基于Residual-UNet架构的建筑分割模型，用于处理分辨率为1024×1024的RGB高分辨率图像。模型针对“其他”和“建筑”两类目标设计，基于休斯顿地区一米空间分辨率影像训练，可实现建筑区域的自动分割。
文件详解
该数据集由多组模型文件及辅助文件组成，具体说明如下：
- 模型核心文件（每组模型包含5类同名文件）：
- .json配置文件：存储模型构建、数据使用及预测的指令，是模型训练与部署的核心配置文件
- .h5权重文件：包含训练后的模型参数权重，可用于图像分割预测
- _modelcard.json模型卡片文件：记录模型起源、训练选择及数据集信息的元数据文件
- _model_history.npz训练历史文件：存储训练与验证损失、指标的numpy归档文件
- .png训练可视化文件：展示训练过程中损失和平均IoU分数变化的图表文件
- 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：定义模型识别的类别（其他、建筑）
- README.txt：提供数据集整体说明及引用信息
数据来源
- Segmentation Gym
- FrontierDevelopmentLab/multi3net数据集
- DigitalGlobe
适用场景
- 遥感图像处理：实现高分辨率卫星影像中的建筑区域自动提取
- 城市规划研究：分析城市建成区扩张及空间分布特征
- 灾害评估应用：快速识别受灾区域的建筑损毁情况
- 地理信息系统：为GIS平台提供自动化的建筑要素提取工具
- 计算机视觉研究：验证Res-UNet架构在遥感图像语义分割任务中的性能
