来自意大利东北部空中图像的高分辨率大规模数据集用于建筑物细分
Claudio Rota1, Flavio Piccoli2, Rajesh Kumar2
1Department of Informatics, Systems and Communication, University of Milano-Bicocca, Milan, Italy. claudio.rota@unimib.it.
Scientific data
|November 3, 2025
概括
研究人员开发了SegFVG,这是一个大型数据集,用于使用高分辨率空中图像进行建筑细分. 该资源有助于人工智能开发用于遥感和城市规划中的应用.
科学领域:
- 遥感 遥感 遥感 遥感
- 地理信息系统 (GIS) 是指地理信息系统.
- 计算机视觉 计算机视觉
背景情况:
- 精确的建筑足迹提取对于城市规划,遥感和灾害管理至关重要.
- 人工智能驱动的细分方法提供了可扩展性,但由于缺乏多样化,大规模的注释数据集而受到阻碍.
- 现有的数据集往往缺乏强大的模型训练所需的地理多样性和高分辨率.
研究的目的:
- 介绍SegFVG,一个新的,大规模的,高分辨率的,地理上多样化的数据集用于建筑细分.
- 促进人工智能模型的开发和基准测试,以精确地提取建筑足迹.
- 支持遥感和城市规划应用方面的进步.
主要方法:
- 汇编了来自弗里乌利 (Friuli Venezia Giulia) 地区的15,000多个高分辨率空中图像 (2000x2000像素,0.1m GSD).
- 为收集的图像生成精确的像素级建筑细分面具.
- 包括对SegFVG数据集应用的各种深度学习模型的基准结果.
主要成果:
- SegFVG面积约为616平方公里,捕捉了各种各样的城市,郊区和农村景观.
- 该数据集提供了高质量的,像素精确的建筑面具,对于培训细分模型至关重要.
- 基准测试结果证明了数据集的实用性,并为未来的研究奠定了基础.
结论:
- SegFVG解决了建筑物细分中对多样化,大规模注释数据的关键需求.
- 数据集和基准结果加速了基于人工智能的精确建筑提取技术的研究和开发.
- 能够在遥感,城市规划和灾害管理应用中提高性能.
