BlessemFlood21

BlessemFlood21数据集由弗劳恩霍夫图像处理部门等机构创建，专注于非沿海洪水场景的高分辨率RGB图像。数据集包含4623张图像，每张图像分辨率为512x512像素，通过无人机在2021年Erftstadt-Blessem洪水事件后采集。数据集通过半监督的人在环技术生成详细的水体掩膜，主要用于深度学习模型的训练和测试，以支持洪水检测和应急响应。The BlessemFlood21 dataset was developed by institutions including the Fraunhofer Institute for Image Processing and other relevant organizations, focusing on high-resolution RGB images of non-coastal flood scenarios. It contains 4,623 images with a resolution of 512 × 512 pixels each, which were collected via unmanned aerial vehicles (UAVs) in the aftermath of the 2021 Erftstadt-Blessem flood event. Detailed water body masks were generated for the dataset using a semi-supervised human-in-the-loop technique, and it is primarily intended for training and testing deep learning models to support flood detection and emergency response.

原始信息汇总

数据集概述

数据集标题

BlessemFlood21: Advancing Flood Analysis with a high-resolution georeferenced dataset for humanitarian aid support

数据集描述

BlessemFlood21数据集旨在促进洪水检测工具的研究。该数据集包含2021年Erftstadt-Blessem洪水事件期间获取的高分辨率和地理参考的RGB-NIR图像，并补充了通过半监督的人在环技术获得的水域详细掩膜。数据集通过训练和测试深度学习模型进行语义分割来评估，为基于RGB图像的洪水检测算法提供了高分辨率RGB数据和基准。

数据集类型

图像

数据集发布日期

2024年1月

数据集标识符

• 链接: https://fordatis.fraunhofer.de/handle/fordatis/379
• DOI: http://dx.doi.org/10.24406/fordatis/323

数据集贡献者

• Polushko, Vladyslav
• Weinmann, Andreas
• März, Thomas
• Rauhut, Markus
• Jenal, Alexander
• Weber, Immanuel
• Rösch, Ronald
• Hatic, Damjan
• Bongartz, Jens

数据集关键词

• Remote Sensing
• Humanitarian Aid Support
• Deep Learning
• Water Detection Dataset

数据集文件

• 文件名: ortho_blessem_20210718_mask_v.01.24.tif
  • 大小: 21.55 MB
  • 格式: TIFF
• 文件名: ortho_blessem_20210718_rgb_v.01.24.tif
  • 大小: 3.12 GB
  • 格式: TIFF

数据集权限

该数据集遵循Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License。

搜集汇总

数据集介绍

构建方式

BlessemFlood21数据集的构建采用了高分辨率的RGB-NIR图像，通过 gyrocopter 在洪水发生后进行空中采集。数据集包含了详细的water masks，这些mask是通过半监督的human-in-the-loop技术生成的，特别是利用了NIR通道的信息来区分水与非水像素。

特点

该数据集的特点在于其高分辨率（15 cm/pixel）的RGB图像，以及通过额外NIR通道辅助生成的精确water masks。这些特点使得数据集在洪水检测和语义分割任务中具有很高的实用价值。

使用方法

使用BlessemFlood21数据集时，研究者可以将其分为训练集、验证集和测试集，采用三种先进的深度学习模型（DeepLabV3+、UNet++和SegFormer）进行训练和评估。数据集还支持基本的图像增强技术，以改善模型的泛化能力。

背景与挑战

背景概述

BlessemFlood21数据集是在2021年德国Erftstadt-Blessem洪水事件后，由Fraunhofer ITWM图像处理部门、Hochschule Darmstadt计算机视觉与图像分析算法研究小组以及Hochschule Koblenz机器学习与传感器技术中心共同创建的高分辨率地理参考数据集。该数据集旨在推动洪水检测工具的研究，包含RGB-NIR图像以及通过半自动人类参与式方法生成的详细的水掩码。其核心研究问题是提高计算机视觉工具在洪水分析中的效率，以便更好地支持现场应急响应专家。

当前挑战

BlessemFlood21数据集在构建过程中遇到的挑战包括：1) 如何通过半自动化的方式高效地生成精确的水掩码；2) 如何处理洪水场景中的阴影和浑浊水体，以准确区分洪水区域；3) 如何确保数据集的地理参考准确性，以支持实际的洪水分析应用；4) 如何在模型训练和评估中处理数据集的类别不平衡问题。在所解决的领域问题方面，BlessemFlood21数据集面临的挑战包括：1) 现有洪水检测模型在处理非海岸河流场景时的泛化能力；2) 如何利用深度学习模型有效捕捉洪水场景中的细节特征。

常用场景

经典使用场景

BlessemFlood21数据集主要用于支持洪水分析的高分辨率地理参考图像，其经典使用场景在于为计算机视觉工具提供训练和测试数据，以辅助现场应急专家评估洪水情况，提高救援行动的效率和资源战略分配。

衍生相关工作

基于BlessemFlood21数据集，衍生出了一系列相关研究工作，包括洪水检测算法的开发、洪水影响评估模型的构建以及无人机图像处理技术的改进等，进一步推动了洪水管理领域的研究进展。

数据集最近研究

最新研究方向

BlessemFlood21数据集为洪水分析领域带来了新的研究方向，它包含了高分辨率的RGB-NIR图像，并采用半监督的机器学习和人类在环策略生成了详细的水掩码。该数据集不仅提供了一个针对洪水场景的语义分割基准，而且还刺激了深度学习模型在洪水检测方面的研究。通过运用如DeeplabV3+、UNet++和SegFormer等先进的语义分割模型，研究者在水体的精确识别和洪水区域的映射方面取得了显著进展。BlessemFlood21数据集以其独特的非海岸河流场景和高质量的标注数据，为理解和应对洪水动力学提供了深刻的洞见。

相关研究论文

• BlessemFlood21: Advancing Flood Analysis with a High-Resolution Georeferenced Dataset for Humanitarian Aid Support

  弗劳恩霍夫图像处理部门，凯泽斯劳滕，德国；算法计算机视觉、成像和数据分析工作组，达姆施塔特，德国；机器学习和传感器技术中心，科布伦茨，德国 · 2024年