建筑物实例分割数据集 | 建筑物分割 实例分割 遥感解译 城市规划 YOLO格式9021期

建筑物实例分割数据集 | 建筑物分割 实例分割 遥感解译 城市规划 YOLO格式9021期

数据集概述

本数据集专注于建筑物轮廓精细分割，服务于遥感解译、城市三维建模及地理信息更新。数据源于航拍或卫星影像，适配建筑物提取、变化检测及城市规划等场景。

数据集核心信息

数据三要素解析

类别与数量

• 数据集定义1个核心类别：建筑物，聚焦单一地物类型，便于模型专注于建筑轮廓的精确刻画。
• 图像总量约2200张，规模适中，适合作为实例分割任务的入门数据集或迁移学习的源数据。
• 单类别设计降低了标注复杂度，有利于快速构建高精度的建筑物提取基线模型。
  
  

格式与结构

• 采用通用YOLO 分割格式，每张图像对应一个同名txt标签文件，包含类别 ID 与多边形顶点归一化坐标，可无缝接入 YOLOv8-seg 等实例分割框架。
• 图像与标签一一对应，数据结构规范，便于进行训练/验证集划分与预处理集成。

应用与扩展

• 数据集可扩展用于建筑物高度估算（结合阴影分析）、屋顶类型分类（平顶/尖顶）及建筑密度统计等更深层次的城市分析任务。
• 可迁移至道路、水体、植被等其他地物的分割任务，作为多类别分割模型的基座数据之一。
• 实例分割的输出形式（多边形）可直接用于地理信息系统（GIS）的矢量图层导入，实现“AI识别-入库”的自动化流程。

知识普及：遥感影像中的建筑物分割难点

遥感影像中的建筑物分割主要面临光照差异（太阳高度角变化）、建筑阴影、遮挡（树木、其他建筑）以及同谱异物（如混凝土路面与屋顶材质相似）等挑战。实例分割需在像素级分类基础上进一步区分独立个体，这对密集建成区的处理提出了更高要求。采用多尺度特征融合与边缘细化模块可显著提升轮廓定位精度，减少锯齿或粘连现象。

快速开始（代码示例）

配置文件data.yaml示例（适用于分割任务）：

train:./dataset/images/trainval:./dataset/images/valnc:1names:['building']

启动 YOLOv8 实例分割训练：

fromultralyticsimportYOLO model=YOLO('yolov8m-seg.pt')# 使用分割预训练权重model.train(data='data.yaml',epochs=100,imgsz=640,batch=8)

标签

建筑物分割实例分割遥感解译城市规划YOLO格式深度学习数据集计算机视觉