数据集概述
该数据集包含基于FloodNet图像及标签构建的Residual-UNet模型，用于10类RGB无人机图像（1024×768像素）分割，涉及背景、建筑（淹没/未淹没）、道路（淹没/未淹没）等类别，支持洪水相关场景的图像分析。
文件详解
- 模型相关文件（每个模型含5个同名根文件）：
- .json配置文件：记录模型创建、数据使用及预测指令的元数据文件
- .h5权重文件：存储模型训练后参数权重的文件
- _modelcard.json模型卡片：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：存储训练/验证损失与指标的numpy归档文件
- .png训练可视化文件：展示训练/验证损失及平均IoU的图表文件
- 辅助文件：
- BEST_MODEL.txt：记录验证损失及平均IoU最优模型名称的文本文件
- classes.txt：记录10个分割类别的文本文件
- readme.txt：数据集说明文档
数据来源
FloodNet-Challenge-EARTHVISION2021（https://github.com/BinaLab/FloodNet-Challenge-EARTHVISION2021）
适用场景
- 洪水灾害评估：分析无人机图像中淹没建筑、道路等区域分布
- 遥感图像分割研究：验证Residual-UNet模型在多类别场景分割中的性能
- 灾害应急响应：支持灾后快速识别受影响基础设施与地表覆盖类型
- 计算机视觉应用：用于无人机图像语义分割算法的训练与测试
