样本规范说明

1. 标准目录结构

dataset_root/
  train/
    A/
    B/
    label/
  val/
    A/
    B/
    label/
  test/
    A/
    B/
    label/

每个 split 都必须同时包含 A、B、label 三个子目录。

同名一一对应：A/000123.png、B/000123.png、label/000123.png。

推荐只使用文件名本体，不要额外前缀（如 test_），便于预测与标签自动配对。

单次实验内尺寸尽量一致（常见：256x256、512x512、1024x1024）。

图像格式建议统一为 .tif/.tiff/.png；若混用格式，训练前建议先批处理统一。

二分类推荐：背景=0，变化=1

像素类型：建议单通道，uint8

避免问题：不要使用彩色 RGB 掩膜作为训练标签

预处理阶段将 nodata 统一映射为固定值（常用 0）。

训练配置中确认 ignore_index 与标签语义一致。

同一数据集内不要混用多种 nodata 编码。

1. A/B/label 文件数量一致。

2. 随机抽检 20 对样本，确认错位与空图问题。

3. 先跑短训（小迭代）确认环境和日志正常。

4. 再跑正式训练与测试。