fsc-180k

FSC-180k混合语义变化检测数据集，包含约60,000张真实航拍图像和180,000张人工修改图像，每对图像包括二进制变化图和两个图像的语义分割图。

FSC-180k Mixed Semantic Change Detection Dataset contains approximately 60,000 real aerial images and 180,000 artificially modified images. Each image pair includes a binary change map and the semantic segmentation maps of the two images.

原始信息汇总

FSC-180k数据集概述

数据集简介

• 数据集名称：FSC-180k
• 数据组成：
  • 60,000张真实航拍图像（源自FLAIR数据集）
  • 180,000张人工修改图像（通过HySCDG管道生成）
• 数据总量：180,000个图像对
• 配套数据：
  • 每个图像对包含一个二值变化图
  • 两个图像的语义分割图（基于FLAIR的19个土地用途类别）

数据集结构

图像文件夹

• IMG：存储60,000张真实图像
• IMG11/IMG12/IMG13：存储对应的180,000张人工修改图像

文件命名与组织

• 命名规则：IMG_XXXXXX.tif（XXXXXX从000001到061712）
• 子文件夹划分：每1,000张图像分为一个子文件夹（00, 01, ..., 61）

标签文件夹

• LBL11/LBL12/LBL13：存储对应的标签文件
• 命名规则：LBL_XXXXXX.tif
• 组织结构：与图像文件夹完全一致
• 标签文件数量：每个图像对对应一个标签文件

数据格式

图像格式

• 文件格式：TIFF
• 原始图像（IMG文件夹）：
  • 波段数：5个（R, G, B, 红外, 高程）
• 生成图像：
  • 波段数：3个（R, G, B）

标签格式

• 文件格式：TIFF
• 波段数：3个
  • 第1层：二值变化图（0表示无变化，255表示变化）
  • 第2层：第一张图像（真实图像）的语义图（类别0-19）
  • 第3层：第二张图像（生成图像）的语义图（类别0-19）

搜集汇总

数据集介绍

构建方式

在遥感影像分析领域，FSC-180k数据集通过创新的混合方法构建而成。该数据集以FLAIR数据集提供的6万张真实航拍图像为基础，采用HySCDG图像生成管道对每张原始图像进行三次人工修改，最终形成18万对图像样本。每对图像均包含二进制变化图和两幅图像的语义分割图，后者采用FLAIR的19类土地利用分类体系标注，构建过程充分考虑了数据多样性和标注一致性。

特点

作为语义变化检测领域的重要资源，FSC-180k的显著特征体现在多模态数据融合方面。原始图像包含RGB、红外和高程五波段数据，而生成图像保留RGB三波段特征。标注文件采用三层TIFF格式，集成变化检测二值图与双时相语义分割图于单一文件，这种紧凑的数据结构既确保了信息完整性，又提高了数据处理效率。数据集严格遵循FLAIR命名规范，采用千张图像分文件夹存储方案，为大规模遥感研究提供了良好的数据组织范例。

使用方法

针对遥感影像变化检测任务，FSC-180k数据集支持端到端的深度学习模型训练与评估。研究者可按照标准数据划分方案，通过配对加载IMG文件夹中的原始图像与IMG1x系列文件夹中的生成图像，配合对应的LBL1x标签文件进行模型训练。数据集支持多任务学习框架，既可训练变化检测模型提取二进制变化图，也可用于语义分割任务研究。TIFF格式的波段分离特性允许用户灵活选择输入特征组合，为算法比较提供了统一基准。

背景与挑战

背景概述

FSC-180k数据集作为一项专注于混合语义变化检测的创新性资源，由研究团队通过整合真实航拍图像与人工合成数据构建而成。该数据集基于FLAIR数据集提供的60,000张真实航拍图像，借助HySCDG管道技术生成三倍数量的修饰图像，最终形成包含180,000组图像对的丰富集合。每组数据不仅包含前后时相的图像对，还配备了二值变化图及两时相的19类土地利用语义分割图，为遥感影像分析领域提供了多维度研究素材。其创新性地融合真实与合成数据的策略，显著提升了变化检测模型在复杂场景下的泛化能力研究。

当前挑战

在解决遥感影像语义变化检测这一核心问题时，FSC-180k需应对地物类间相似性导致的误检挑战，以及多时相影像间光照、季节差异引起的噪声干扰。数据集构建过程中，人工合成图像与真实数据的语义一致性保障成为关键难点，需通过HySCDG管道精确控制修饰操作的合理性。TIFF格式下多波段数据的异构性（真实图像5波段与合成图像3波段）增加了预处理复杂度，而19类细粒度语义标注的准确性验证也面临人工校验成本高昂的困境。

常用场景

经典使用场景

FSC-180k数据集在遥感图像分析领域具有重要价值，其经典使用场景包括语义变化检测和土地利用分类研究。该数据集通过真实航拍图像与人工修改图像的配对，为研究者提供了丰富的训练和测试素材，特别适用于深度学习模型在复杂场景下的性能评估。数据集中的语义分割标注和二元变化图，使得模型能够同时学习地表覆盖类型识别和变化区域检测的双重任务。

衍生相关工作

基于FSC-180k数据集已衍生出多项创新研究，包括改进的U-Net变体用于变化检测、注意力机制增强的语义分割网络等经典工作。部分研究团队将该数据集与Sentinel卫星影像结合，开发了大区域尺度监测系统。数据集配套的HySCDG生成管道也激发了对抗生成网络在遥感数据增强中的应用探索，推动了合成数据质量的评估标准建立。

数据集最近研究

最新研究方向

随着遥感技术和深度学习在环境监测领域的深度融合，FSC-180k数据集凭借其大规模混合真实与合成影像对的独特架构，正推动语义变化检测研究迈向新高度。该数据集通过HySCDG管道生成的三倍增强数据，为弱监督学习和数据增强算法提供了理想试验场，特别是在应对自然灾害评估、城市扩张分析等时效性任务中展现出显著优势。当前前沿研究聚焦于多模态特征融合策略，探索如何有效结合RGB、红外与高程波段信息以提升变化检测精度，同时针对合成数据与真实数据的域适应问题，衍生出对抗生成网络与元学习相结合的新型迁移学习范式。