EnviroAtlas_ResUNet六类RGB图像分割模型数据集

数据集概述

该数据集包含基于EnviroAtlas图像及标签训练的Residual-UNet模型，用于512×512分辨率RGB图像的六类分割，类别包括nodata、water、impervious等。模型由Segmentation Gym创建，含配置、权重、模型卡等文件，支持图像分割预测与模型复现。

文件详解

• 模型核心文件（每个模型对应5个同名文件）：
• .json config文件：Segmentation Gym创建权重的配置文件，含模型构建、数据及预测指令
• .h5 weights文件：训练生成的模型参数权重文件，可用于图像分割预测
• _modelcard.json模型卡文件：含模型起源、训练选择及数据集的元数据文件
• _model_history.npz训练历史文件：含训练/验证损失及指标的numpy存档
• .png训练可视化文件：训练/验证损失与平均IoU的折线图
• 辅助文件：
• BEST_MODEL.txt：记录验证损失与平均IoU最优的模型名称
• classes.txt：列出分割类别（nodata、water、impervious等7类）
• readme.txt：数据集概述、来源及使用说明

数据来源

• EnviroAtlas图像及标签
• 训练数据集：https://zenodo.org/record/6268150#.Y91Q-BzMLRa
• 模型创建工具：Segmentation Gym

适用场景

• 遥感图像分析：用于512×512分辨率RGB图像的土地覆盖六类分割
• 环境监测：支持水体、不透水面、植被等地表覆盖类型的自动化识别
• 模型复现与优化：基于配置文件复现模型训练过程，或调整参数优化分割效果
• 机器学习研究：作为Residual-UNet模型在遥感分割任务中的应用案例参考