遥感图像建筑房屋树木水体分割数据集labelme格式2026张5类别

数据集格式：labelme格式(不包含mask文件，仅仅包含jpg图片和对应的json文件)

图片数量(jpg文件个数)：2026

标注数量(json文件个数)：2026

标注类别数：5

标注类别名称:["Tree","building","Tin_Shade","farmland","water"]

每个类别标注的框数：

Tree count = 64782

building count = 52980

Tin_Shade count = 46590

farmland count = 8429

water count = 1375

使用标注工具：labelme=5.5.0

标注规则：对类别进行画多边形框polygon

重要说明：可以将数据集用labelme打开编辑，json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割

特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

该数据集包含五类地理信息：“Tin_Shade”（金属遮阳结构）、“Tree”（树木）、“building”（建筑物）、“farmland”（农田）和“water”（水体）。这些类别反映了遥感图像中的常见地物，为图像分割提供了多样训练样本。

“Tin_Shade”类别代表金属遮阳结构，常见于城市或乡村建筑周围，有助于城市规划与环境监测。

“Tree”类别涵盖各种树木形态，对森林砍伐和土地利用变化研究至关重要，能评估森林覆盖率变化，推动可持续发展。

“building”类别涉及各类建筑物特征，对城市发展和土地利用研究有重要意义，可获取城市化进程信息，辅助城市发展规划。

“farmland”类别包含不同类型农田图像，对农业监测和土地利用变化研究重要，能监测作物种植、评估农业生产力，支持农业政策制定。

“water”类别代表水体分布，包括河流、湖泊等，与生态环境、气候变化和人类活动密切相关，有助于水资源管理和保护。

图片预览：

标注例子：