当前我国城市数字化治理与城市更新工作进入深水区，城中村改造作为核心民生工程，普遍面临空间底数摸排成本高、复杂场景下智能识别准确率不足等痛点。作为数字城市空间数据采集的核心技术之一，高分辨率遥感影像语义分割技术近年来已广泛应用于城市测绘、资源普查等领域，但此前公开的遥感数据集多聚焦建筑规则、路网清晰的城市核心建成区，针对建筑密度高、路网狭窄不规则、空间形态特殊的城中村等非正规住区的专用标注数据集长期处于空白状态，直接制约了相关技术在城中村治理场景的落地效率。 香港科技大学（广州）本次发布的DenseUIS数据集，正是为填补这一行业空白打造的专用基础数据资源，也是目前国内首个专注于城市非正规住区的高分辨率遥感数据集。该数据集覆盖中国深圳和广州的126个典型城中村，包含1000张空间分辨率约0.14米的高清卫星图像，可清晰识别城中村内的单体建筑边界、道路走向甚至小型搭建物轮廓，同时配套提供了建筑物和道路网络的精细语义标注。为保障数据标注的精准度，研发团队采用多源数据交叉验证加人工校验的标注流程，整合了谷歌地球影像及高德、天地图等公开辅助数据，重点对城中村内高密度建筑布局、狭窄弯曲道路网络等区别于正规城区的独特空间形态做了完整标注，解决了此前同类数据集对非正规住区特征标注不全的问题。 从应用价值来看，DenseUIS数据集首先可为高分辨率遥感影像语义分割模型的训练提供专用训练样本，有效提升AI模型在复杂高密度非正规环境中对建筑物、道路的识别准确率，降低相关技术落地的数据集采购与标注成本。在落地场景层面，该数据集可广泛应用于城中村精细测绘、城市更新规划、基层治理等多个领域：在城中村改造前期，基于该数据集训练的识别模型可快速完成城中村的建筑量统计、路网摸排、消防通道排查等底数普查工作，相较传统人工测绘效率可大幅提升；在城市规划环节，精准的城中村空间数据可为改造后的路网优化、公共服务设施配置、高密度住区通风采光设计等工作提供数据支撑；此外，该数据集还可支撑高密度非正规住区的安全预警、热岛效应研究、可持续发展评估等科研与实践工作，为城市治理的精细化、科学化提供关键数据支持。 作为当前国内少有的城中村专用遥感数据集，DenseUIS的发布也为城市空间数据要素体系的完善提供了重要补充，对于推动遥感技术在复杂城市场景的落地应用、加速城市治理数字化转型、支撑数据要素产业在民生服务领域的价值释放都具有积极的行业意义。
详情页内容：
_1769672084863.jpg)