遥感影像-语义分割数据集:云数据集详细介绍及训练样本处理流程

原始数据集详情

简介:该云数据集包括150张RGB三通道的高分辨率图像,在全球不同区域的分辨率从0.5米到15米不等。这些图像采集自谷歌Earth的五种主要土地覆盖类型,即水、植被、湿地、城市、冰雪和贫瘠土地。

Key Value
卫星类型 谷歌Earth
覆盖区域 未知
场景 水、植被、湿地、城市、冰雪和贫瘠土地
分辨率 0.5-15m
数量 150张
单张尺寸 1280*720
原始影像位深 8位
标签图片位深 8位
原始影像通道数 三通道
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 Clear 无云区域
1 Cloud 有云区域

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:
遥感影像-语义分割数据集:云数据集详细介绍及训练样本处理流程_第1张图片

影像切分部分

通过自己编写的代码,将大图影像及对应的标签滑窗切分为可直接用于训练的小图数据集,如下图所示:
遥感影像-语义分割数据集:云数据集详细介绍及训练样本处理流程_第2张图片

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!

你可能感兴趣的:(语义分割数据集,计算机视觉,图像处理,人工智能,数据挖掘,深度学习)