Ensemble De Données De Télédétection De Segmentation Urbaine ISPRS

Contexte du jeu de données

L’un des principaux sujets de la photogrammétrie est l’extraction automatique d’objets urbains à partir de données acquises par des capteurs aéroportés. Cette tâche est difficile car les objets tels que les bâtiments, les rues, les arbres et les voitures ont une apparence très non uniforme dans les données haute résolution, ce qui conduit à une grande variance au sein d'une classe et à une faible variance entre les classes. L'accent est mis sur la segmentation sémantique 2D détaillée, en attribuant des étiquettes à plusieurs catégories d'objets. Les moteurs de recherche supplémentaires sont les données haute résolution provenant de nouveaux capteurs et les techniques de traitement avancées qui s’appuient sur des techniques d’apprentissage automatique de plus en plus sophistiquées. Malgré les efforts considérables déployés, ces tâches ne peuvent pas encore être considérées comme résolues. À notre connaissance, il n’existe actuellement aucune méthode entièrement automatisée de reconnaissance d’objets 2D utilisée dans la pratique, malgré au moins deux décennies de recherche visant à résoudre cette tâche. L’un des principaux obstacles au progrès scientifique est le manque d’ensembles de données standard pour évaluer l’extraction d’objets, ce qui rend difficile la comparaison expérimentale des résultats de différentes méthodes. Cet ensemble de données vise à répondre à cette question.

À cette fin, l’équipe de recherche a fourni deux ensembles de données d’imagerie aéroportée de pointe constitués de tuiles orthophotographiques vraies (TOP) à très haute résolution. Les deux zones couvrent des scènes urbaines. Alors que Vaihingen est un village relativement petit avec de nombreux bâtiments individuels et de petits immeubles à plusieurs étages, Potsdam est une ville historique typique avec de grands complexes de bâtiments, des rues étroites et une structure de peuplement dense.

Structure du jeu de données

L'ensemble de données contient des segmentations sémantiques 2D de zones urbaines telles que Vaihinge, Potsdam et Toronto.
Chaque ensemble de données a été classé manuellement dans les 6 classes de couverture terrestre les plus courantes :

• Surface imperméable (BGR : 255, 255, 255)
• Bâtiments (BGR : 0, 0, 255)
• Végétation basse (BGR : 0, 255, 255)
• Arbre (BGR : 0, 255, 0)
• Voiture (BGR : 255, 255, 0)
• Encombrement/Arrière-plan (BGR : 255, 0, 0)

La classe encombrement/arrière-plan comprend les plans d'eau (apparaissant dans deux images avec des parties d'une rivière) et d'autres objets qui semblent très différents des autres objets (par exemple, des conteneurs, des courts de tennis, des piscines) et qui ne présentent généralement pas d'intérêt pour la classification sémantique des objets dans les scènes urbaines.