遥感影像-语义分割数据集:云及云阴影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:数据集包括108个GF-1宽幅(WFV)的云和云阴影掩码,该数据集用于GF-1 WFV图像中的云和云阴影检测。

Key Value
卫星类型 高分一宽幅
覆盖区域 未知
场景 未知
分辨率 16m
数量 108张
单张尺寸 17344*15627
原始影像位深 16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 NoValue nodata
1 Clear 无云区域
128 Cloud Shadow 有云区域
255 Cloud 云阴影区域

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:云及云阴影数据集详细介绍及训练样本处理流程_第1张图片

重新整理后的标签类别对照表如下表所示:

像素值 类别名(英文) 类别名(中文) RGB
0 Clear 无云区域
1 Cloud 云阴影区域
2 Cloud Shadow 有云区域

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,人工智能,数据挖掘,深度学习,数据分析)