DeepGlobe 道路提取数据集

在灾区，尤其是在发展中国家，地图和无障碍信息对于危机应对至关重要。DeepGlobe Road Extraction Challenge（https://competitions.codalab.org/competitions/18467）提出了从卫星图像中自动提取道路和街道网络的挑战。

致谢
从获得此数据集道路提取田径挑战赛在DeepGlobe挑战。有关数据集的更多详细信息，请参阅相关出版物 - DeepGlobe 2018：通过卫星图像解析地球的挑战
任何基于数据集的工作都应该引用：
@InProceedings{DeepGlobe18,
author = {Demir, Ilke and Koperski, Krzysztof and Lindenbaum, David and Pang, Guan and Huang, Jing and Basu, Saikat and Hughes, Forest and Tuia, Devis and Raskar, Ramesh},
title = {DeepGlobe 2018: A Challenge to Parse the Earth Through Satellite Images},
booktitle = {The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) Workshops},
month = {June},
year = {2018}
}

数据
Road Challenge 的训练数据包含 6226 张 RGB 卫星图像，大小为 1024x1024。
该图像具有 50 厘米像素分辨率，由 DigitalGlobe 的卫星收集。
该数据集包含 1243 个验证图像和 1101 个测试图像（但没有掩码）。
标签
每个卫星图像都与道路标签的蒙版图像配对。蒙版是灰度图像，白色代表道路像素，黑色代表背景。
卫星图像和相应蒙版图像的文件名是id _sat.jpg 和id _mask.png。id是一个随机整数。
请注意：遮罩图像的值可能不是纯0和255，转换为标签时，请在阈值128处进行二值化。
由于注释分割掩码的成本，标签并不完美，特别是在农村地区。此外，我们故意没有标注农田内的小路。