数据集概述
该数据集包含基于CoastTrain图像及标签训练的Residual-UNet模型，用于768x768像素RGB NAIP图像的8类海岸环境分割，覆盖水体、植被、开发区域等类别，模型由Segmentation Gym工具创建，提供完整的模型文件及元数据。
文件详解
数据集包含多组模型文件及辅助文件，具体如下：
- 模型核心文件（每组模型含5个同名根文件）：
- .json配置文件：记录模型创建、训练及预测的参数指令，是模型使用的关键元数据
- .h5权重文件：存储训练后的模型参数，用于图像分割预测，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：存储训练/验证损失及指标的numpy数组
- .png训练可视化文件：绘制训练过程中损失及平均IoU分数的图表
- 辅助文件：
- BEST_MODEL.txt：记录验证损失和平均IoU最优的模型名称
- classes.txt：列出8类分割目标（water、whitewater、sediment等）
- readme.txt：提供数据集及模型的基本说明
数据来源
CoastTrain（https://coasttrain.github.io/CoastTrain/docs/Version%201:%20March%202022/data）
适用场景
- 海岸环境遥感分析：基于NAIP图像实现海岸带地物自动化分类
- 模型复现与优化：用于验证Res-UNet模型在高分辨率遥感图像分割中的性能
- 地理信息系统应用：为海岸带管理提供地物分布数据支持
- 深度学习研究：作为遥感图像语义分割任务的预训练模型或基准测试数据
