（1）赛道背景

地物要素分类是将地表相对固定的物体分类的系统体系，是地表地物要素观测与测绘的重要手段之一。 基于遥感影像开展地理国情监测、“耕地红线”、“生态红线”等实际应用，受“同物异谱”、 “同谱异物”现象影响，分析与处理的难度极大，目前主要采用人工方式提取地物要素， 效率低，耗资巨大，迫切需要自动化、高精度的地物要素提取方法。遥感影像语义分割赛道， 旨在充分利用大数据、人工智能等先进技术，突破面向大规模多源异构高分数据信息提取与分析的技术瓶颈， 形成一批高效、可用、实用的先进算法，提升高分对地观测信息服务能力。

（2）赛道任务

对高分辨率光学遥感图像中各类地物光谱信息和空间信息进行分析， 将图像中具有语义信息的各个像元分别赋予语义类别标签； 以包含典型土地利用分类的光学遥感图像为处理对象， 选手使用主办方提供的遥感图像进行土地利用类型语义分割处理， 主办方依据评分标准对结果进行综合评价。依据现有的遥感地物分类要求， 结合现有的地物分类实际需求，参照地理国情监测、“三调”等既有地物分类标准， 依据遥感地物“所见即所得”原则，设计地物要素分类体系，共涉及一级大类8种， 二级子类17种，详见下表：

（3）数据简介

(1）来源：数据为0.1米-4米分辨率的高分一、二、六号，高景二号，北京二号，以及部分航空等数据源的可见光、多光谱载荷图像，由武汉大学测绘遥感信息工程国家重点实验室和武汉大学遥感信息工程学院协办单位合作采集、标注、构建；

（2）规模：总体1万+遥感影像语义分割样本数据；

（3）用途：土地利用动态监测，矿产资源开发状况和地质灾害的调查与监测；生态环境监管调查与评价，水环境监测与评估，空气环境监测与评价；耕地数量与质量调查。

（4）数据说明

a.原始影像：影像格式为tif，包含R、G、B三个波段，影像尺寸为512*512像素。

b.标签数据：标签格式为单通道的png，每个像素的标签值由一个数字表示，使用‘int32’数据类型存储，该三位数包含了一级和二级两个类别信息，百位上的一个数字表示一级类别，十位和个位上的两个数字一起表示二级类别。一级类别共分为8类，一级类别及对应的百位上的数字如下表所示：

二级类别共分为17类，二级类别及对应的十位、个位上的数字如下表所示：

初赛标签数据：初赛中，要求对一级类别分类，分类的结果为表3中的8个类别，提供的标签数据中，三位数标签的十位及个位数赋值为0，用百位上的一个数字来表示一级类别，例如：对于标签值为100的像元，对照表3，表示该像元的一级类别为水体。

决赛标签数据：决赛中，要求对二级类别分类，分类的结果为表4中的17个类别，三位数标签的十位和个位一起表示二级类别，例如，对于标签值为204的像元，该像元的二级类别编码为‘04’，对照表4，表示该像元的二级类别为机场。

（5）提交要求

初赛向大赛平台提交参与评测的results.zip内需要包含results文件夹，内容见(6)提交示例。

（6）提交示例

results.zip

——results

————1.png

————2.png

……

注意事项: 预测结果中的单个文件名需和预测图片命名方式一致，如预测图片中包含1.jpg，则预测结果中必须有1.png，其中1.png的数据格式和提供的训练集的标注文件保持一致。

（7）评测标准

初赛和复赛使用国际通用指标加权交并比FWIoU，根据每个类出现的频率为其设置权重，具体计算公式为：