耕地地块分割数据集

unset unset FTW耕地地块分割数据集 unset unset

（内容由claude ops翻译）

unset unset 简介 unset unset

全球农田数据集(Fields of the World, FTW)是一个令人振奋的新基准数据集,旨在革新用于分割农田边界的机器学习模型的开发。随着对用于全球农业监测和土地利用评估等应用的准确和可扩展的农田边界数据的需求不断增长,FTW提供了一个广泛且精心策划的资源来满足这一需求。

unset unset FTW数据集特点： unset unset

（1）广泛的地理覆盖范围:FTW跨越欧洲、非洲、亚洲和南美洲4大洲的 24个国家 ,涵盖了多样化的农业景观和耕作实践。这一广度使得在FTW上训练的模型能够对全球不同地区进行稳健的泛化。（2） 规模巨大:FTW包含大约 160万个农田边界 和 超过7万个样本 ,每个样本都有配对的多时相Sentinel-2卫星图像和分割掩膜,比之前的农田边界数据集大了数个数量级。这种规模对于开发高性能的深度学习模型至关重要。（3）丰富的标签:FTW提供了实例分割掩膜来描绘单个农田,以及语义分割掩膜。语义掩膜包括2类(背景和农田)和3类(增加边界类)变体。这允许为相关但不同的任务变体训练模型。（4） 时间和光谱信息:FTW中的每个样本都包含两个不同时间点的多光谱(RGB + 近红外)图像,旨在捕捉不同生长阶段的农田,以实现更好的区分。根据作物日历和云覆盖情况,针对每个区域智能地选择两个时间窗口,以最大限度地提高信号。（5）精心构建的数据划分:为了进行严格的模型评估,FTW被划分为训练集(80%)、验证集(10%)和测试集(10%)。重要的是,在划分过程中采用了空间感知分块策略,以最小化由地理相关性引起的泄漏,这是一个常见的陷阱。（6）全面的元数据:FTW数据集附有详细的元数据,提供有关地理区域、作物类型、收集时间范围、分幅网格等关键信息。这些文档对于正确利用数据和解释结果至关重要。

unset unset 数据集目录结构： unset unset

• README.md - 说明文件

• ftw-sources.pmtiles - 用于在 https://fieldsofthe.world/map/ 上可视化源字段边界的文件

• austria/ - 国家文件夹

• window_a/ - A窗口图像 (.tif 格式)
• window_b/ - B窗口图像 (.tif 格式)
• instance/ - 实例分割掩码（标签）(.tif 格式)
• semantic_2class/ - 语义分割掩码（2类：0-背景，1-多边形）
• semantic_3class/ - 语义分割掩码（3类：0-背景，1-多边形，2-边界）
• label_masks/ - 标签文件夹
• s2_images/ - 图像文件夹
• chips_austria.parquet - 包含分割详情的地理镶嵌文件
• data_config_austria.json - 关于网格、作物类型、时间窗口的元数据

• austria.zip - 包含所有国家目录文件的压缩包

• checksum.md5 - 包含各个文件校验和的文件

• 

unset unset FTW数据集来源： unset unset