数据集概述
本数据集包含基于切萨皮克土地覆盖图像及标签训练的Segformer模型，用于对五百一十二像素×五百一十二像素的RGB图像进行七类土地覆盖分割。模型由Segmentation Gym工具创建，包含配置、权重、模型卡等文件，支持图像分割预测与模型集成。
文件详解
该数据集包含多组模型相关文件及辅助文档，具体说明如下：
- 核心模型文件（每组模型含五个同名文件）：
- .json配置文件：Segmentation Gym创建权重文件的配置指令，含模型构建、数据及预测说明
- .h5权重文件：训练生成的模型参数权重文件，可通过seg_images_in_folder.py调用，支持模型集成
- _modelcard.json模型卡文件：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：含训练与验证损失、指标的numpy数组
- .png训练可视化文件：训练损失与平均IoU的折线图，为npz文件数据的子集
- 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：列出七类土地覆盖类型（水体、树冠森林、低植被田野、裸地、其他不透水面、道路不透水面、无数据）
数据来源
- Segmentation Gym（基于https://lila.science/datasets/chesapeakelandcover数据集训练）
适用场景
- 遥感图像处理：对五百一十二像素×五百一十二像素RGB遥感图像进行土地覆盖自动分割
- 地理信息分析：提取水体、植被、建设用地等土地覆盖类型的空间分布信息
- 环境监测：支持区域土地利用变化、生态环境评估等研究的图像分割任务
- 模型开发：作为预训练模型用于土地覆盖分割任务的迁移学习或模型集成实验
