遥感影像-语义分割数据集：云数据集详细介绍及训练样本处理流程
原始数据集详情
简介：该云数据集包括150张RGB三通道的高分辨率图像，在全球不同区域的分辨率从0.5米到15米不等。这些图像采集自谷歌Earth的五种主要土地覆盖类型，即水、植被、湿地、城市、冰雪和贫瘠土地。
| Key | Value |
|---|---|
| 卫星类型 | 谷歌Earth |
| 覆盖区域 | 未知 |
| 场景 | 水、植被、湿地、城市、冰雪和贫瘠土地 |
| 分辨率 | 0.5-15m |
| 数量 | 150张 |
| 单张尺寸 | 1280*720 |
| 原始影像位深 | 8位 |
| 标签图片位深 | 8位 |
| 原始影像通道数 | 三通道 |
| 标签图片通道数 | 单通道 |
标签类别对照表
| 像素值 | 类别名（英文） | 类别名（中文） | RGB |
|---|---|---|---|
| 0 | Clear | 无云区域 | |
| 1 | Cloud | 有云区域 |
数据处理部分
大家是否有这样的困惑？真值标签图片的像素值太小，比如1、2、3······，由于像素值太小，导致看上去标签图片全为黑色，无法看出真值标签与影像图片的像素位置是否对应？如果真值标签的像素值间隔太大，又无法直接作为训练样本。
其实有办法可以解决这个问题，那就是在像素值为1、2、3等的图片上添加一个彩色表，添加的彩色表不会改变图片的像素值，但是可以由彩色的视觉效果展示，如下图所示：
影像切分部分
通过自己编写的代码，将大图影像及对应的标签滑窗切分为可直接用于训练的小图数据集，如下图所示：
需要本博客相关数据集的小伙伴可私信哦！
01、官方原始数据集；
02、中间处理好的大图数据集；
03、裁剪后可直接训练的小图数据集；