超大规模滑坡分割数据集，共34604张图像，全部处理为512×512尺度，涵盖航空，无人机，卫星多种传感器类型，涵盖0.1m-10m不同分辨率影像，数据量3.6GB，标注质量很高，且全部为原始数据-CSDN博客

本文链接：https://blog.csdn.net/2401_83580557/article/details/142606263

超大规模滑坡分割数据集，共34604张图像，全部处理为512×512尺度，涵盖航空，无人机，卫星多种传感器类型，涵盖0.1m-10m不同分辨率影像，数据量3.6GB，标注质量很高，且全部为原始数据，无增广。

超大规模滑坡分割数据集介绍

数据集概览

这是一个大型的滑坡分割数据集，包含了34604张图像，涵盖了航空、无人机和卫星等多种传感器类型，以及0.1m至10m的不同分辨率影像。数据集的主要特点如下：

数据量大: 共计34604张图像，数据量约为3.6GB。
多样化的传感器类型: 包括航空、无人机和卫星等多种传感器采集的数据。
多分辨率: 图像分辨率范围从0.1m到10m，适用于不同应用需求。
高质量标注: 标注质量高，有助于提高模型性能。
原始数据: 不含任何数据增强，保留了原始图像的信息。

数据集特点

全面覆盖: 通过多种传感器类型收集数据，提高了数据的多样性。
多分辨率: 适用于不同应用场景，满足不同精度需求。
高质量标注: 提升模型在滑坡检测方面的准确度。

示例代码

以下是一个简单的Python代码示例，展示了如何读取和处理这些图像。首先，确保已安装了必要的库：

pip install rasterio

然后，编写Python脚本读取和处理图像：

python

深色版本

import rasterio
import numpy as np

# 函数：读取图像
def read_image(filename):
    with rasterio.open(filename) as src:
        return np.array(src.read())

# 函数：将图像缩放到指定尺寸
def resize_image(image, size=(512, 512)):
    return np.array(resize(np.array(image), size))

# 加载图像
image = read_image('path/to/image.tif')

# 缩放图像尺寸
resized_image = resize_image(image)

# 显示原图与缩放后的图像
import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
plt.subplot(1, 2, 1)
plt.imshow(image)
plt.title("Original Image")
plt.subplot(1, 2, 2)
plt.imshow(resized_image)
plt.title("Resized Image")
plt.show()

请将path/to/image.tif替换为实际的文件路径。