城中村建筑物识别训练样本数据集

作者：刘玉菲; 吕蓓茹; 彭玲^*; 吴同; 刘赛

来源：全球变化数据学报, 2020, 4(02): 181-187.

• 城中村
• 建筑物
• 深度学习
• Mask R-CNN

建筑物位置信息是精细化城市管理中的重要基础数据。城中村建筑物群落分布格局独特,具有建筑物密度高、街巷狭窄等特点,是城市遥感影像中具有明显结构特征的目标主体。城中村建筑物识别训练样本数据集是基于谷歌遥感影像,通过LabelMe软件绘制出2,328个城中村建筑物识别训练样本,利用深度学习之实例分割算法Mask R-CNN,提取得到建筑物信息。本数据集包括:(1)样本原始影像(Buildingsamplepic);(2)实例分割结果(Buildingsamplemask);(3)实例分割标注信息(Buildingsampleinfo)。本数据集共包括6,984个文件,存储于3个文件夹中,数据存储为.png和.yaml格式,数据量为499 MB(压缩为一个文件,数据量498 MB)。与本数据集相关的科学发现论文发表于《首届中国数字地球大会论文集》。

• 单位
  中国科学院大学