sentinel-tree-cover
用卫星影像分割森林外的散生树木
sentinel-tree-cover 是一个基于 Sentinel-2 卫星影像的开源数据集项目，专门提供森林以外树木（Trees Outside Forest，简称 TOF）的图像分割标注。传统森林覆盖监测主要关注连片林地，而散生于农田、道路、城市和村庄周边的单株或小簇树木长期缺乏高质量标注数据，导致遥感模型难以准确识别这类对象。该项目通过人工或半自动方式对 Sentinel-2 影像进行像素级分割，生成可用于训练和评估深度学习模型的掩码数据，配套 Jupyter Notebook 展示数据加载、可视化与基线模型训练流程。核心能力包括：提供多光谱影像与对应分割标签、支持语义分割任务、便于研究者快速复现和扩展。它适合遥感、生态监测和碳汇估算等方向的研究者使用，帮助提升对非森林区域树木资源的量化能力。
项目预览
项目数据
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
使用教程
核心亮点
- 提供像素级分割标注，可直接用于语义分割模型训练
- 基于 Sentinel-2 多光谱影像，覆盖森林以外树木这一稀缺场景
- 配套 Jupyter Notebook，便于数据加载、可视化与基线复现
不足之处
- 项目星标较少，社区活跃度和长期维护情况待观察
- 数据集规模和地理覆盖范围有限，泛化能力需进一步验证
适用场景
- 遥感影像中散生树木的自动识别与制图
- 农业与乡村地区树木碳汇估算研究
- 训练和评估语义分割模型的基准数据集
替代项目
DeepGlobe Land Cover Classification、LoveDA
项目介绍
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···