FarmSeg-VL: 首个农田分割多模态基准数据集
中南大学地球科学与信息物理学院，中国长沙
图：FarmSeg-VL数据集包含图像、掩码和文本描述
核心贡献： 首个面向农田分割的大规模图像-文本数据集，覆盖中国8个典型农业区、4个季节，总面积约4300平方公里，包含22,605个高质量样本。
为什么需要FarmSeg-VL？
传统依赖单一标签的深度学习范式难以有效建模农田的时空异质性。语言作为结构化知识载体，能显式表达农田的形状、分布等时空特征，但遥感领域缺乏支持该研究方向的基准数据集。
8
中国典型农业区
4
季节覆盖
22,605
图像-文本对
11
农田描述维度
技术突破
- 提出半自动标注方法，显著提升数据集构建效率
- 覆盖农田固有属性、物候特征、空间分布等11个关键特征
- 实验证明模型性能提升30-40%
图：在FarmSeg-VL上微调后模型性能显著提升