LoveDA: 遥感土地覆盖数据集的领域自适应语义分割

引入了土地覆盖域自适应语义分割(LoveDA)数据集来推进语义和可转移学习。LoveDA数据集包含来自三个不同城市的5987张高分辨率图像和166768个带注释的对象。与现有数据集相比，LoveDA数据集包含两个领域(城市和农村)，这带来了相当大的挑战，因为:1)多尺度对象;2)复杂背景样本;3)不一致的类分布。LoveDA数据集既适用于土地覆盖语义分割，也适用于无监督域自适应(UDA)任务。因此，我们对LoveDA数据集进行了11种语义分割方法和8种UDA方法的基准测试。为了应对这些挑战，还开展了一些探索性研究，包括多尺度架构和策略、额外的背景监督和伪标签分析。代码和数据可在https://github.com/Junjue-Wang/LoveDA上获得。（仅有南京市）