ISPRS 城市分割遥感数据集

数据集背景

摄影测量的主要课题之一是从机载传感器获取的数据中自动提取城市物体。这项任务之所以具有挑战性，是因为建筑物、街道、树木和汽车等物体在高分辨率数据中的外观非常不均匀，这导致类内方差很大，而类间方差很低。重点是详细的 2D 语义分割，为多个对象类别分配标签。进一步的研究驱动因素是来自新传感器的高分辨率数据和依赖于日益成熟的机器学习技术的先进处理技术。尽管付出了巨大的努力，但这些任务还不能被视为已解决。据我们所知，目前还没有完全自动化的 2D 物体识别方法在实践中应用，尽管至少有二十年的研究试图解决这一任务。阻碍科学进步的一个主要问题是缺乏用于评估物体提取的标准数据集，因此很难通过实验比较不同方法的结果。该数据集旨在解决这个问题。

为此，研究团队提供了两个最先进的机载图像数据集，由非常高分辨率的真实正射影像 (TOP) 图块组成。这两个区域都涵盖了城市场景。虽然 Vaihingen 是一个相对较小的村庄，有许多独立建筑和小型多层建筑，但波茨坦则是一个典型的历史名城，拥有大型建筑群、狭窄的街道和密集的定居点结构。

数据集结构

该数据集包含 Vaihinge 、波茨坦和多伦多等城市地区的二维语义分割。
每个数据集都被手动分类为 6 个最常见的土地覆盖类别：

• 不透水表面（BGR：255 、 255 、 255）
• 建筑物（BGR：0 、 0 、 255）
• 低植被（BGR：0 、 255 、 255）
• 树（BGR：0 、 255 、 0）
• 汽车（BGR：255 、 255 、 0）
• 杂乱/背景（BGR：255, 0, 0）

杂乱/背景类包括水体（出现在两张图像中，其中有河流的一部分）和其他看起来与其他物体非常不同的物体（例如，集装箱、网球场、游泳池），并且通常对语义对象不感兴趣城市场景中的分类。