Junjue-Wang/LoveDA

解决的问题

LoveDA 是一个高分辨率遥感数据集，旨在帮助 AI 模型更好地识别不同环境中的土地覆盖类型。它特别解决了域适应问题——确保在某一类区域（如城市中心）上训练的模型，在应用于另一类区域（如农村地区）时仍能保持准确。

如何工作

该项目提供了来自中国三个城市（南京、常州和武汉）的 5,987 张高分辨率（0.3 米）图像。这些图像被分为七个类别：背景、建筑、道路、水体、裸地、森林和农业用地。研究人员使用这些图像来训练和测试语义分割模型，这些模型为图像中的每个像素分配一个类别标签，以绘制土地覆盖图。

适用对象

该数据集适用于从事遥感计算机视觉研究的科研人员和开发者，特别是专注于语义分割和无监督域适应的人员。

主要亮点

• 高分辨率：图像空间分辨率为 0.3 米。
• 地理多样性：聚焦于城市与农村环境之间的对比。
• 复杂挑战：包含多尺度对象、复杂背景和不一致的类别分布，以测试模型的鲁棒性。
• 集成支持：已集成到 Torchgeo 和 MMsegmentation 等流行库中。