本文主要是介绍遥感影像-语义分割数据集:山体滑坡数据集详细介绍及训练样本处理流程,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
原始数据集详情
简介:该遥感滑坡数据集由卫星光学图像、滑坡边界的形状文件和数字高程模型组成。该数据集中的所有图像,即770张滑坡图像(红点)和2003张非滑坡图像,都是从2018年5月至8月拍摄的TripleSat卫星图像中截取的,影像分辨率0.8米。对于滑坡实例,我们提供了滑坡图像、滑坡掩码文件和相应的DEM数据。所有数据都经过了仔细的三次检查,以确保其可靠性。
Key | Value |
---|---|
卫星类型 | TripleSat |
覆盖区域 | 毕节市 |
场景 | 未知 |
分辨率 | 0.8m |
数量 | 2773张 |
单张尺寸 | 不固定 |
原始影像位深 | 8位 |
DEM影像位深 | 8位 |
标签图片位深 | 8位 |
原始影像通道数 | 三通道 |
DEM影像通道数 | 单通道 |
标签图片通道数 | 单通道 |
标签类别对照表
像素值 | 类别名(英文) | 类别名(中文) | RGB |
---|---|---|---|
0 | 非滑坡区域 | ||
1 | 滑坡区域 |
数据处理部分
大家是否有这样的困惑?真值标签图片的像素值太小,比如1、2、3······,由于像素值太小,导致看上去标签图片全为黑色,无法看出真值标签与影像图片的像素位置是否对应?如果真值标签的像素值间隔太大,又无法直接作为训练样本。
其实有办法可以解决这个问题,那就是在像素值为1、2、3等的图片上添加一个彩色表,添加的彩色表不会改变图片的像素值,但是可以由彩色的视觉效果展示,如下图所示:
有滑坡影像:
无滑坡影像:
最后可以直接用于训练的数据集结构如下所示
├── train
│ ├── images
│ │ ├── 2522_0_0.tif
│ │ ├── 2522_0_512.tif
│ │ └── ......
│ └── labels
│ ├── 2522_0_0.tif
│ ├── 2522_0_512.tif
│ └── ......
└── val├── images│ ├── 2522_512_512.tif│ ├── 2523_0_0.tif│ └── ......└── labels├── 2522_512_512.tif├── 2523_0_0.tif└── ......
需要原始数据集、预处理后数据集、裁剪后可训练数据集、数据处理完整代码的小伙伴可私信哦!
这篇关于遥感影像-语义分割数据集:山体滑坡数据集详细介绍及训练样本处理流程的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!