Junjue-Wang/LoveDA

解決的問題

LoveDA 是一個高解析度遙測資料集，旨在幫助 AI 模型更準確地識別不同環境中的土地覆蓋類型。它特別解決了域適應的挑戰——確保在某一類區域（例如都市中心）訓練的模型，在應用於另一類區域（例如鄉村地區）時仍能保持準確性。

如何運作

本專案提供來自中國三個城市（南京、常州、武漢）的 5,987 張高解析度（0.3 公尺）影像。這些影像被分為七個標籤：背景、建築物、道路、水體、裸地、森林與農業用地。研究人員使用這些影像訓練與測試語意分割模型，這些模型會為影像中的每個像素分配一個類別標籤，以繪製土地覆蓋圖。

適用對象

此資料集適用於從事遙測電腦視覺研究的學者與開發者，特別是專注於語意分割與無監督域適應的人員。

主要亮點

• 高解析度：影像空間解析度為 0.3 公尺。
• 地理多樣性：著重於都市與鄉村環境之間的對比。
• 複雜挑戰：包含多尺度物件、複雜背景與不一致的類別分佈，以測試模型的穩健性。
• 整合支援：已整合至 Torchgeo 與 MMsegmentation 等流行套件中。