面向精细城市语义理解的多时相源土地利用变化分段数据集 FUSU
计算机视觉与模式识别
2024-06-10 v3
摘要
使用多时相遥感影像对城市进行精细土地利用变化分段是理解人类-环境相互作用的关键. 虽然已有高质量的土地覆盖数据集揭示了城市景观的物理特征,但缺乏精细的土地利用数据集,以致于阻碍对人类活动在景观中分布及其对环境影响的深入理解,从而限制了相应技术的发展. 为此,我们引入 FUSU,即 Fine-grained Urban Semantic Understanding 的第一个精细土地利用变化分段数据集. FUSU 目前拥有最详尽的土地利用分类体系,包含 17 类类别和 300 亿像素的注释. 该数据集包括分辨率为 0.2-0.5 m 地面样本距离的双时相高分辨率卫星影像,以及覆盖中国南北五地 (847 km^2) 的月度光学和雷达卫星时间序列,该区域地理特征各异. 精细的土地利用像素级注释和高时空分辨率数据为开发针对人类活动和城市化的深层次理解提供了坚实基础. 为充分利用 FUSU,我们提出了一种统一的时间序列架构,用于变更检测和分段. 我们对 FUSU 在各种方法上的表现进行了基准测试. 数据集和代码均可在 https://github.com/yuanshuai0914/FUSU 获取.
引用
@article{arxiv.2405.19055,
title = {FUSU: A Multi-temporal-source Land Use Change Segmentation Dataset for Fine-grained Urban Semantic Understanding},
author = {Shuai Yuan and Guancong Lin and Lixian Zhang and Runmin Dong and Jinxiao Zhang and Shuang Chen and Juepeng Zheng and Jie Wang and Haohuan Fu},
journal= {arXiv preprint arXiv:2405.19055},
year = {2024}
}