ISPRS 도시 분할 원격 감지 데이터 세트

데이터 세트 배경

사진측량학의 주요 주제 중 하나는 공중 센서를 통해 수집된 데이터로부터 도시 객체를 자동으로 추출하는 것입니다. 이 작업은 건물, 거리, 나무, 자동차와 같은 객체가 고해상도 데이터에서 매우 불균일한 모양을 띠기 때문에 어렵습니다. 이로 인해 클래스 내 분산이 크고 클래스 간 분산이 낮습니다. 여러 객체 범주에 레이블을 지정하여 세부적인 2D 의미 분할에 중점을 둡니다. 추가 연구의 원동력은 새로운 센서에서 얻은 고해상도 데이터와 점점 더 정교해지는 머신 러닝 기술에 의존하는 고급 처리 기술입니다. 엄청난 노력에도 불구하고 이러한 과제는 아직 해결된 것으로 볼 수 없습니다. 우리가 아는 한, 적어도 20년 동안 이 과제를 해결하기 위한 연구가 시도되었음에도 불구하고, 실제로 2D 객체 인식을 위한 완전 자동화된 방법은 현재 없습니다. 과학적 진보를 방해하는 주요 문제 중 하나는 객체 추출을 평가하는 데 필요한 표준 데이터 세트가 부족하여 다양한 방법의 결과를 실험적으로 비교하기 어렵다는 것입니다. 이 데이터 세트는 이 질문에 답하는 것을 목표로 합니다.

이를 위해 연구팀은 매우 고해상도의 진정한 정사영상(TOP) 타일로 구성된 두 개의 최첨단 항공 영상 데이터 세트를 제공했습니다. 두 지역 모두 도시 풍경을 담고 있습니다. 바이힝엔은 많은 개별 건물과 작은 다층 건물이 있는 비교적 작은 마을인 반면, 포츠담은 대규모 건물 단지, 좁은 거리, 조밀한 정착지 구조를 갖춘 전형적인 역사 도시입니다.

데이터 세트 구조

이 데이터 세트에는 바이힝에, 포츠담, 토론토 등의 도시 지역에 대한 2D 의미적 분할이 포함되어 있습니다.
각 데이터 세트는 가장 흔한 6가지 토지 피복 클래스로 수동으로 분류되었습니다.

• 불투수성 표면(BGR: 255, 255, 255)
• 건물(BGR: 0, 0, 255)
• 낮은 식생(BGR: 0, 255, 255)
• 트리(BGR: 0, 255, 0)
• 자동차(BGR: 255, 255, 0)
• 클러터/배경(BGR: 255, 0, 0)

클러터/배경 클래스에는 수역(두 이미지에 강의 일부가 나타남)과 다른 객체와 매우 다르게 보이는 기타 객체(예: 컨테이너, 테니스장, 수영장)가 포함되며 일반적으로 도시 장면에서 의미 객체 분류에 해당하지 않습니다.