AIRS 屋顶分割数据集 |屋顶分割 语义分割 航空影像 建筑制图 AIRS 深度学习数据集9108期数据集概述本数据集专注于高分辨率航空影像中的屋顶语义分割服务于自动化建筑制图、城市规划及地理信息更新。数据覆盖新西兰基督城全域包含超过22万栋建筑的屋顶轮廓标注适配建筑提取、变化检测及数字地图生成等应用。数据集核心信息数据要素详细说明类别共2类屋顶、非屋顶数量1047张图像含无标注图像格式图像为 JPGRGB10000×10000标签为像素级语义分割掩膜数据划分训练集857张验证集94张测试集96张应用价值1.自动制图支撑航空影像中建筑屋顶的自动化提取加速数字地图更新。2.城市规划为城市建筑普查、容积率分析及屋顶太阳能潜力评估提供数据基础。3.算法基准作为高分辨率屋顶分割的公开基准数据集支持语义分割算法的性能比较与学术研究。完整类别列表共2类序号中文类别名称英文对照1屋顶roof2非屋顶non-roof数据三要素解析类别与分割目标数据集定义2个语义类别屋顶与非屋顶聚焦于像素级的屋顶区域分割。标注为像素级语义分割掩膜与屋顶轮廓严格对齐消除了地形位移带来的错位问题。屋顶类别在图像中占比约9.02%属于类别不平衡场景需关注损失函数设计。数据规模与采集图像总量1047张其中166 张16%无标注可用于半监督或无监督研究。图像尺寸10000×10000像素空间分辨率7.5 cm覆盖约457 km²区域包含超过22 万栋建筑。影像采集自新西兰基督城使用 RGB 正射影像投影为新西兰横轴墨卡托。格式与结构原始影像经镶嵌后切分为10000×10000像素的瓦片相邻瓦片间有10%重叠。提供像素级语义分割标签可直接用于 U-Net、DeepLabv3、SegFormer 等语义分割模型训练。测试集标签未公开用于在线挑战赛的公平评估。知识普及屋顶分割的技术挑战类别不平衡屋顶像素仅占图像的约9%背景像素占绝对主导模型易倾向于预测背景。建议采用Focal Loss、Dice Loss等针对类别不平衡的损失函数。地形位移影响传统建筑足迹footprint标注与屋顶轮廓存在错位尤其高层建筑更为明显。本数据集专门校正了屋顶标注更适合精确分割任务。建筑类内差异不同用途的建筑屋顶在颜色、纹理、形状上差异巨大模型需构建高维特征空间来描述这种多样性。高分辨率处理10000×10000像素的图像对显存和计算效率提出挑战通常需采用图像切块或降采样策略进行训练。应用闭环分割结果可导入 GIS 系统用于建筑编目、变化检测及三维城市建模。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valnc:2names:[roof,non-roof]启动 YOLOv8 分割训练fromultralyticsimportYOLO modelYOLO(yolov8m-seg.pt)model.train(datadata.yaml,epochs100,imgsz1024,batch4,device0)标签屋顶分割语义分割航空影像建筑制图AIRS深度学习数据集计算机视觉