【人工智能】ISPRS Vaihingen & Potsdam数据集在遥感图像语义分割领域的拆分方法

Vaihingen数据集分割方式：

1. 所用的ZIP文件：
   • ISPRS_semantic_labeling_Vaihingen.zip
   • ISPRS_semantic_labeling_Vaihingen_ground_truth_COMPLETE.zip
   • ISPRS_semantic_labeling_Vaihingen_ground_truth_eroded_COMPLETE.zip
2. 数据分配：
   • train_masks：从ISPRS_semantic_labeling_Vaihingen.zip中的gts_for_participants文件夹获取。
   • train_images：从ISPRS_semantic_labeling_Vaihingen.zip中的top文件夹中，选择对应训练集（train + val）ID的文件。
   • test_masks：从ISPRS_semantic_labeling_Vaihingen_ground_truth_COMPLETE.zip中选择对应测试集ID的文件。
   • test_masks_eroded：从ISPRS_semantic_labeling_Vaihingen_ground_truth_eroded_COMPLETE.zip中选择对应测试集ID的文件。
   • test_images：从ISPRS_semantic_labeling_Vaihingen.zip中的top文件夹中，选择对应测试集ID的文件。
3. 数据切割： 使用vaihingen_patch_split.py脚本进行数据切割。

Potsdam数据集分割方式：

1. 所用的ZIP文件：
   • 2_Ortho_RGB.zip
   • 5_Labels_all.zip
   • 5_Labels_for_all_no_Boundary.zip
2. 数据分配：
   • train_images：从2_Ortho_RGB.zip中选择对应训练集（train + val）ID的文件。
   • test_images：从2_Ortho_RGB.zip中选择对应测试集ID的文件。
   • train_masks：从5_Labels_all.zip中选择对应训练集（train + val）ID的文件。
   • test_masks：从5_Labels_all.zip中选择对应测试集ID的文件。
   • test_masks_eroded：从5_Labels_for_all_no_Boundary.zip中选择对应测试集ID的文件。
3. 数据切割： 使用potsdam_patch_split.py脚本进行数据切割。