数据集概述
本数据集包含基于切萨皮克土地覆盖图像训练的Residual-UNet模型文件，用于对五百一十二像素×五百一十二像素的RGB图像进行七类地物分割，类别涵盖水体、树木冠层、低矮植被等，提供模型配置、权重、训练历史等相关文件。
文件详解
该数据集包含多组模型相关文件及辅助文件，具体说明如下：
- 模型核心文件（每组模型含五个同名根文件）：
- .json配置文件：记录模型创建、数据使用及预测的指令，用于Segmentation Gym生成权重文件
- .h5权重文件：存储训练后的模型参数权重，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：存储训练与验证损失、指标的numpy数组
- .png训练可视化文件：展示训练与验证损失、平均IoU得分的图表
- 辅助文件：
- BEST_MODEL.txt：记录验证损失与平均IoU最优的模型名称
- classes.txt：列出七类地物类别（water、tree_canopy_forest、low_vegetation_field、barren land、impervious_other、impervious_road、no_data）
- readme.txt：数据集说明文档
数据来源
Segmentation Gym（基于https://lila.science/datasets/chesapeakelandcover数据集训练）
适用场景
- 遥感图像处理：对切萨皮克地区五百一十二像素×五百一十二像素RGB图像进行地物自动分割
- 土地覆盖监测：分析水体、植被、不透水面等土地覆盖类型的分布与变化
- 模型应用研究：基于提供的配置与权重文件复现或扩展地物分割模型
- 深度学习教学：作为遥感图像语义分割任务的模型案例与实践数据
