FUSU-Fine_grained_Urban_Semantic_Understanding|城市遥感数据集|土地利用分类数据集

FUSU数据集覆盖了中国南北五个城市区域，总面积847平方公里，包含17种土地利用和土地覆盖类别，支持分割、变化检测和领域适应任务。数据集由两部分组成：1）高分辨率卫星RGB图像，空间分辨率为0.2-0.5米，时间分辨率为2年；2）Sentinel-2和Sentinel-1的月度重访图像，空间分辨率为10米，时间分辨率为1个月。数据集包含62,752个图像块，每个图像块包含25个Sentinel图像、2个Google Earth图像和2个对应的标注。标注信息基于中国土地利用分类标准（GB/T21010-2017）一级分类系统，包含17个类别。

AI搜集汇总

数据集介绍

构建方式

FUSU数据集构建于中国南北五个城市区域，覆盖面积达847平方公里，包含17种土地利用和土地覆盖类别。数据集由两部分组成：高分辨率卫星RGB图像和Sentinel-1、Sentinel-2的月度重访图像。高分辨率图像的空间分辨率为0.2-0.5米，时间分辨率为两年；Sentinel图像的空间分辨率为10米，时间分辨率为一个月。数据集共包含62,752个图像块，每个图像块包含25张Sentinel图像、2张Google Earth图像及相应的标注。

特点

FUSU数据集的特点在于其多源性和多时相性，涵盖了高分辨率卫星图像和Sentinel系列卫星的月度数据，支持分割、变化检测和领域适应任务。数据集包含17种土地利用类别，依据中国土地利用分类标准（GB/T21010-2017）进行标注，提供了丰富的语义信息。图像块大小为512x512像素，Sentinel图像包含14个波段，涵盖Sentinel-2的12个波段和Sentinel-1的2个波段（VV/VH），为研究提供了多维度的数据支持。

使用方法

FUSU数据集的使用方法主要围绕图像分割、变化检测和领域适应任务展开。用户可以通过加载高分辨率图像和Sentinel图像，结合相应的标注数据进行模型训练和验证。数据集提供了详细的类别标签和调色板信息，便于用户进行可视化分析。对于Sentinel图像，未来将提供单独的.npy文件以便于使用。用户可依据研究需求，选择不同的时间点和波段进行分析，探索城市土地利用的细粒度语义理解。

背景与挑战

背景概述

FUSU-Fine_grained_Urban_Semantic_Understanding数据集由Yuan等人于2024年发布，旨在支持精细城市语义理解任务，包括分割、变化检测和领域适应。该数据集涵盖了中国南北五个城市区域，总面积达847平方公里，包含17种土地利用和土地覆盖类别，超过17万张图像和300亿像素的标注数据。数据集由两部分组成：高分辨率卫星RGB图像和Sentinel-1、Sentinel-2的月度重访图像。FUSU的构建基于中国土地利用分类标准（GB/T21010-2017），为城市规划和环境监测提供了重要的数据支持。

当前挑战

FUSU数据集在解决精细城市语义理解问题时面临多重挑战。首先，高分辨率图像与Sentinel图像的空间分辨率差异显著，如何在多源数据融合中保持语义一致性是一个关键问题。其次，数据集中包含的17种土地利用类别在标注过程中需要高度精确，尤其是在城市复杂环境中，类别之间的边界模糊性增加了标注难度。此外，数据的时间分辨率差异（高分辨率图像为两年，Sentinel图像为月度）对变化检测任务提出了更高的时序建模要求。构建过程中，如何有效整合多时相、多源数据，并确保标注质量，也是数据集开发中的主要技术挑战。

常用场景

经典使用场景

FUSU数据集在精细城市语义理解领域具有广泛的应用，尤其是在土地覆盖分类、变化检测和领域适应任务中表现出色。其高分辨率的卫星图像和详细的标注信息，使得研究者能够精确地分析城市土地利用的变化趋势，进而为城市规划、环境保护和灾害管理提供科学依据。

实际应用

在实际应用中，FUSU数据集被广泛用于城市规划和土地资源管理。政府部门和城市规划者可以利用该数据集进行土地利用变化的监测和分析，从而制定更加科学合理的城市发展策略。此外，该数据集还可用于环境监测和灾害评估，帮助决策者及时应对自然灾害和环境污染问题。

衍生相关工作

FUSU数据集自发布以来，已衍生出多项经典研究工作。例如，基于该数据集的研究成果在土地覆盖分类算法优化、多时相变化检测模型开发以及跨领域适应技术改进等方面取得了显著进展。这些工作不仅提升了城市语义理解的精度和效率，还为相关领域的学术研究和技术应用提供了新的思路和方法。