数据集概述
本数据集包含基于Residual-UNet架构的模型文件，用于对1024×768像素的高分辨率RGB图像进行水体与非水体二分类分割。模型由Segmentation Gym工具创建，适用于航空或天底视角图像的分割任务。
文件详解
该数据集包含多组模型相关文件，每组模型对应五个核心文件，具体说明如下：
- 配置文件（.json）：用于Segmentation Gym创建权重文件，包含模型构建、数据使用及预测的指令，是掌握模型全流程的关键文件。
- 权重文件（.h5）：由Segmentation Gym的train_model.py生成，存储模型训练后的参数权重，可通过seg_images_in_folder.py调用进行图像分割，支持模型集成。
- 模型卡片文件（modelcard.json）：记录模型来源、训练选择及基础数据集的元数据文件，不参与程序运行，但需与其他模型文件一同保存。
- 训练历史文件（_model_history.npz）：Numpy归档文件，包含训练与验证损失、指标的数组数据。
- 训练历史图表（_trainhist*.png）：PNG格式图像，展示训练过程中的损失与平均IoU（交并比）变化趋势。
- 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：列出模型可识别的类别（water、other）。
- readme.txt：数据集概述文档。
适用场景
- 遥感图像处理：用于航空或天底视角RGB图像的水体与非水体区域自动分割。
- 环境监测：辅助水体覆盖范围、变化趋势的动态监测与分析。
- 地理信息系统（GIS）：为GIS应用提供高分辨率的水体分布数据支持。
- 深度学习模型应用：作为预训练模型，用于相关领域的图像分割任务或模型优化研究。
