本数据集基于Unet模型的Google Earth遥感影像“四乱”目标识别方法，针对黄河流域“四乱”问题，利用Google Earth遥感影像构建样本库，并利用Unet模型进行“四乱”目标的自动检测与识别，能够大大提高“四乱”问题目标的检测精度与效率，从而为黄河流域的生态环境保护和高质量发展提供有力支持。
实验数据集的图片来源于 Google Earth， 总共包含 932 张图片。这些图片分为四个类别，分别是乱占（141张）、乱建（332张）、乱堆（238张）和乱采（221张）[8, 9]。为了增加数据的多样性，对四种类别的图像进行数据增强，包括翻转、裁剪、旋转等，共获得9320张图片。
Unet模型是语义分割中较为优秀的模型之一，兼顾轻量化与高性能的优点。其结构是在Fully Convolutional Networks (FCN) 网络架构的基础上拓展而来，能够在训练样本较少的情况下发挥较好的分割效果，并能融合高维和低维特征，更适用于分割大幅图像。
模型训练共采用了特征数据9320个。其中，7456个样本用于训练模型，1864个样本用于模型精度验证，预测精度为0.962。
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.NCDC.NIEER.DB4127.2023
10.12072/ncdc.nieer.db4127.2023
