数据集概述
本数据集包含基于Doodleverse框架的Res-UNet模型文件，用于对1024×1024分辨率RGB图像中的洪灾建筑进行分割。模型基于休斯顿地区一米空间分辨率的洪灾建筑影像及标签训练，影像由DigitalGlobe提供，支持“其他”和“洪灾建筑”两类目标识别。
文件详解
该数据集包含多个模型相关文件，每个模型对应五组核心文件及辅助文件，具体如下：
- 核心模型文件（每组模型含五个同名根文件）：
- .json配置文件：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
- .h5权重文件：存储训练后的模型参数，可通过seg_images_in_folder.py调用，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：存储训练和验证损失、指标的numpy数组
- .png训练可视化文件：展示训练/验证损失及平均IoU得分的图表
- 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：定义两个分类类别（other、flooded_building）
- readme.txt：提供数据集整体说明
数据来源
FrontierDevelopmentLab/multi3net（GitHub）
适用场景
- 遥感影像分析：对高分辨率RGB遥感图像中的洪灾建筑进行自动识别与分割
- 灾害评估：快速提取洪灾区域建筑淹没情况，支持灾害应急响应与损失评估
- 模型应用研究：基于Res-UNet架构的语义分割模型在灾害监测领域的应用验证
- 机器学习工程：用于学习Doodleverse框架下模型配置、训练及部署的全流程实践
