Sci Data数据集分享 | 给AI最好的“食材”—城市花园毫米级分辨率无人机影像,含人工标注-夜雨聆风

Sci Data数据集分享 | 给AI最好的“食材”—城市花园毫米级分辨率无人机影像,含人工标注

前言

这个数据集有点小众，但是当最近看到一个创业团队的创业项目后，突然觉得类似的数据集大有可为。这个创业项目的核心思路是——精确绘制城市热岛，然后提供定制化降温方案，那么城市花园的研究就有点契合这个创业思路。

同时这个数据集也可以用作实验课的数据素材，用作图像分类教学与练习，不局限于遥感或GIS专业，也包括计算机视觉。今天就来分享一个最近刚发表的城市花园RGB数据集（含8种人工标注信息）。

文章标题: A drone imagery dataset for semantic segmentation of urban garden ground covers in biodiversity studies

发表时间: 2026年4月8日

期刊名称: scientific data

第一作者: Yasamin Afrasiabian, 慕尼黑工业大学

文章链接: 阅读原文

– 01 –

给AI最好的“食材”—在毫米级影像上进行像素级标记

图像识别与分类的破圈伊始，是对猫的识别。到现在底层的逻辑都没有质的变化，AI需要你告诉它这是猫。同样，对于一幅高分辨率正射影像，非监督分类可以分类出图像边界，但是，是花是草还是裸土，也需要你去告诉它。

这个数据集的无人机RGB影像的空间分辨率达到3.2至7.9毫米的，一切看似清晰，但城市花园的微生境极其复杂，枯叶与木屑、泥土与石块在色彩和纹理上极易混淆。如果直接将原图喂给AI，它看到的只是一团杂乱的色块。为此，研究团队针对8种地表覆盖物（草 (grass)、草本植物 (herb)、落叶/枯枝落叶 (litter)、裸土 (soil)、石头 (stone)、稻草 (straw)、木材 (wood) 和木屑 (woodchip)），进行了极度耗时的人工像素级掩码标记，紧贴物体的真实边缘勾勒出精确的多边形。