数据集概述
本数据集包含基于Residual-UNet架构的二类（水体、其他）分割模型，适用于Sentinel-2和Landsat-7/8卫星的海岸RGB影像。模型通过Segmentation Gym工具训练，以海岸RGB影像及标签为基础，为卫星影像的水体自动识别提供预训练模型支持。
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：
- 模型配置文件:
- 格式：.json
- 内容：包含模型构建、训练数据及预测的配置信息，是使用Segmentation Gym工具的核心指令文件
- 示例：sat2class_rgb_512_v6.json
- 模型权重文件:
- 格式：.h5
- 内容：存储训练后的模型参数权重，可通过Segmentation Gym的seg_images_in_folder.py函数调用，支持模型集成
- 示例：sat2class_rgb_512_v6_fullmodel.h5
- 模型卡片文件:
- 格式：_modelcard.json
- 内容：包含模型起源、训练选择及基础数据集等元数据的JSON文件
- 示例：sat4class_rgb_512_v3_modelcard.json
- 训练历史文件:
- 格式：_model_history.npz
- 内容：存储训练和验证损失及指标的numpy归档文件
- 示例：sat2class_rgb_512_v6_model_history.npz
- 训练可视化文件:
- 格式：.png
- 内容：展示训练过程中损失和平均IoU分数变化的图表
- 示例：sat2class_rgb_512_v6_trainhist_24.png
- 辅助文件:
- BEST_MODEL.txt：记录验证损失和平均IoU最优的模型名称
数据来源
https://doi.org/10.5281/zenodo.7384242
适用场景
- 遥感图像处理：实现海岸卫星影像中水体与非水体的自动分割
- 海岸带监测：支持海岸线变化、水体覆盖范围的动态监测研究
- 环境评估：为海岸生态环境评估提供水体分布的量化数据
- 模型应用研究：作为预训练模型用于相关领域的迁移学习任务
- 遥感算法验证：可用于评估其他水体分割算法的性能基准
