数据集概述
本数据集包含Doodleverse/Segmentation Zoo提供的Res-UNet模型，用于对Sentinel-2和Landsat-7/8的海岸单波段MNDWI影像进行4类（水体、白浪、沉积物、其他）语义分割。模型基于海岸MNDWI影像及标签训练，每个模型对应5类文件，总计30个文件，支持海岸遥感影像的自动化分割分析。
文件详解
- 主模型文件组（按每个模型对应5个文件）
- 配置文件：以
.json为后缀，包含模型构建、数据使用及预测的指令，如sat4class_mndwi_512_v1.json
- 权重文件：以
.h5为后缀，存储训练后的模型参数权重，可用于影像分割预测，如sat4class_mndwi_512_v1_fullmodel.h5
- 模型卡片文件：以
_modelcard.json为后缀，描述模型起源、训练选择及基础数据集的元数据，如sat4class_mndwi_512_v6_modelcard.json
- 训练历史文件：以
_model_history.npz为后缀，存储训练与验证损失、指标的numpy数组，如sat4class_mndwi_512_v5_model_history.npz
- 训练可视化文件：以
.png为后缀，包含训练与验证损失、平均IoU的折线图（输入数据未提供具体文件示例，基于描述补充）
- 辅助文件
- BEST_MODEL.txt：存储验证损失和平均IoU最优的模型名称
- readme.txt：数据集说明文档
数据来源
Doodleverse/Segmentation Zoo，训练数据集引用：Buscombe, Daniel. (2022). Images and 4-class labels for semantic segmentation of Sentinel-2 and Landsat RGB, NIR, and SWIR satellite images of coasts (v1.0) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.7344571
适用场景
- 海岸环境监测：自动化提取海岸带水体、白浪、沉积物分布，支撑海岸侵蚀、沉积动态分析
- 遥感影像分割算法验证：对比不同Res-UNet模型在海岸MNDWI影像上的分割精度与效率
- 海洋灾害评估：快速识别风暴潮、海浪等导致的白浪范围变化，辅助灾害影响评估
- 海岸带规划：提供高精度的海岸地表覆盖分类数据，为海岸带开发与保护规划提供支持
