FloodNet数据集Res_UNet模型_10类RGB无人机图像分割

数据集概述

该数据集包含基于FloodNet数据集训练的Res-UNet模型文件，用于对尺寸为768x512的RGB无人机图像进行10类语义分割。模型由Segmentation Gym工具训练生成，涵盖背景、不同状态的建筑与道路、水体、植被等类别，支持灾后场景分析。

文件详解

• 模型相关文件（每类模型含5个同名文件）：
• .json配置文件：Segmentation Gym生成权重文件的配置指令，包含模型构建、数据使用及预测说明
• .h5权重文件：训练后的模型参数权重文件，可通过seg_images_in_folder.py调用
• _modelcard.json模型卡文件：记录模型起源、训练选择及数据集的元数据文件
• _model_history.npz训练历史文件：存储训练与验证损失、指标的numpy数组
• .png训练可视化文件：训练过程中损失及平均IoU的变化曲线图
• 辅助文件：
• BEST_MODEL.txt：记录验证损失和平均IoU最优的模型名称
• images.zip：训练模型所用的图像压缩包
• labels.zip：训练模型所用的标签压缩包
• classes.txt：包含10类分割类别的文本文件

数据来源

• FloodNet-Challenge-EARTHVISION2021（https://github.com/BinaLab/FloodNet-Challenge-EARTHVISION2021）

适用场景

• 灾后遥感图像分析：识别洪水区域、受损建筑及道路状态
• 无人机图像语义分割算法验证：测试Res-UNet模型在多类别场景下的分割性能
• 环境监测：分析水体、植被等土地覆盖类型的分布
• 灾害应急响应：快速评估洪水对基础设施的影响范围