SAR(遙感、衛星) 圖像常用數據集

目錄

一、背景

二、數據集整理

1. the UC Merced Land Use Dataset(約110M)

2. DOTA:A Large-scale Dataset for Object Detection in Aerial Images(約35G)

3. NWPU VHR-10(約73M)

4. UCAS-AOD: Dataset of Object Detection in Aerial Images(約3G)

5. BigEarthNet: A Large-Scale Benchmark Archive For Remote Sensing Image Understanding(約66G)

6. TGRS-HRRSD-Dataset(約4G)

7. RSOD-Dataset(可下載)

8. INRIA aerial image dataset(約64G)

9. CAESAR-RADI,SAR-Ship-Dataset(可下載)

10. 雄安馬蹄灣村航空高光譜遙感影像數據集(可下載)

11. AID Data Set(約2.7G)

12. Dataset-UAV-123 視頻數據集(約17G)


一、背景

很久沒寫CSDN了,近期終於可以抽時間來寫寫CSDN了。自己是做遙感出身,一直在關注計算機視覺在遙感領域的最新成果,目前基於深度學習模型的遙感圖像分類,目標識別,圖像生成等領域,都需要大量的訓練數據,而網上的很多數據集比較老,作者也沒有進一步更新,因此這篇文章就整理一下自己遇到的遙感數據集,並會一直持續更新。

二、數據集整理

1. the UC Merced Land Use Dataset(約110M)

數據集介紹:這個數據集有21種土地利用類型,每種100張,尺寸爲256*256。可用於數據分類。

下載地址:https://pan.baidu.com/s/1i5zQNdj 或者官方地址:http://weegee.vision.ucmerced.edu/datasets/landuse.html

數據集應用示例:我曾用過該數據集做遙感圖像生成,不過效果其實一般,可參考:對抗神經網絡學習(十二)——MARTA-GAN實現遙感圖像的場景生成(tensorflow實現)

數據集發佈年份:2016年之前?(待考證)

2. DOTA:A Large-scale Dataset for Object Detection in Aerial Images(約35G)

數據集介紹:該數據集一共有15種土地利用類型,總樣本數約爲18萬,可用於目標檢測,數據分類。DOTA 數據集(全稱 A Large-scale Dataset for Object DeTection in Aerial Images)是用於航拍圖像中的目標檢測的大型圖像數據集。 它可用於發現和評估航拍圖像中的物體。DOTA-v1.0 包含來自不同傳感器和平臺的 2806 幅航拍圖像。 每個圖像的尺寸在約 800×800 到 4000×4000 像素的範圍內,並且包含呈現各種尺度、方向和形狀的物體。 然後,這些 DOTA 圖像由航空圖像解釋專家使用 15 個常見目標類別進行註釋。 完全註釋的 DOTA 圖像包含 188,282 個實例,每個實例由任意(8 d.o.f.)四邊形標記。DOTA 數據集於 2017 年 11 月 28 日由武漢大學發佈在 arXiv 上,之後於 2018 年 6 月發佈在 IEEE 計算機視覺和模式識別會議(CVPR)上。DOTA-v1.0 數據集中的圖像是從 Google Earth 收集的,其中一些是由衛星 JL-1 拍攝的,其他的是由中國資源衛星數據和應用中心的衛星 GF-2 拍攝的。

下載地址:http://captain.whu.edu.cn/DOTAweb/dataset.html或者https://hyper.ai/datasets/4920

數據集應用示例:(待更新)

數據集發佈年份:2017年, 數據集約35G

3. NWPU VHR-10(約73M)

數據集介紹:數據集包含800張圖像,其中650張包含10類地物目標,150張爲背景樣本圖像,可用於分類。

下載地址:https://pan.baidu.com/s/1hqwzXeG#list/path=%2F

數據集應用示例:(待更新)

數據集發佈年份:2014年,數據集約73M

4. UCAS-AOD: Dataset of Object Detection in Aerial Images(約3G)

數據集介紹:中國科學院大學 • 模式識別與智能系統開發實驗室的成果,數據集包含兩類目標,汽車和飛機,還有一部分是背景樣本,總計約2400張影像。

下載地址:原官網已經找不到該數據集的下載地址了,我在網上找到了別人百度雲上的下載地址:https://pan.baidu.com/s/1bplTvif 密碼:ppef

數據集應用示例:(待更新)

數據集發佈年份:2015年,數據集約3G

補充:我到中國科學院大學 • 模式識別與智能系統開發實驗室的主頁看了一下,實驗室公佈了很多關於深度學習與遙感方面的論文及成果,這裏補充幾個鏈接,可以供大家學習:實驗室畢業生的學位論文:https://ucassdl.cn/content/team/alumni.html;實驗室論文成果列表:https://ucassdl.cn/content/work/paper.html

5. BigEarthNet: A Large-Scale Benchmark Archive For Remote Sensing Image Understanding(約66G)

數據集介紹:數據集是Sentinel-2數據,約59萬個圖像塊

下載地址:http://bigearth.net/

數據集應用示例:(待更新)

數據集發佈年份:2018年,數據集約66G

6. TGRS-HRRSD-Dataset(約4G)

數據集介紹:是中國科學院西安光學精密機械研究所光學影像分析與學習中心製作用於研究高分辨率遙感圖像目標檢測的數據集,共13類,~21000張圖,共計4萬個目標對象

下載地址:https://github.com/CrazyStoneonRoad/TGRS-HRRSD-Dataset/tree/master/OPT2017

數據發佈年份:2018年

7. RSOD-Dataset(可下載)

數據集介紹:武漢大學團隊標註,包含飛機、操場、立交橋、 油桶四類目標,~1000張圖像

下載地址:https://github.com/RSIA-LIESMARS-WHU/RSOD-Dataset-

數據發佈年份:2017年

8. INRIA aerial image dataset(約64G)

數據集介紹:Inria Aerial Image Labeling Dataset 數據集是一個城市建築物檢測的遙感圖像數據集,標記只有建築/非建築兩種,且是像素級別,用於語義分割。該數據集於 2017 年由 Inria 發佈,相關論文爲 Can Semantic Labeling Methods Generalize to Any City? The Inria Aerial Image Labeling Benchmark。數據採集自0.3m分辨率的遙感圖像,覆蓋面積810km^2。

下載地址:https://project.inria.fr/aerialimagelabeling/或者https://hyper.ai/datasets/5428

數據發佈年份:2017 數據集約64G

9. CAESAR-RADI,SAR-Ship-Dataset(可下載)

數據集介紹:中科院遙感所王超研究員團隊構建的“多模式SAR圖像船舶檢測數據集”。該數據集以我國國產高分三號SAR數據和Sentinel-1 SAR數據爲主數據源,共採用了102景高分三號和108景Sentinel-1 SAR圖像構建高分辨率SAR船舶目標深度學習樣本庫。標註的船舶切片約4萬多個。

下載地址:https://github.com/CAESAR-Radi/SAR-Ship-Dataset?tdsourcetag=s_pcqq_aiomsg

數據發佈年份:2019年

10. 雄安馬蹄灣村航空高光譜遙感影像數據集(可下載)

數據集介紹:遙感所高光譜團隊的數據文件,我目前還沒下載查看,具體的圖像文件瞭解的不多。

下載地址http://www.hrs-cas.com/a/share/shujuchanpin/2019/0501/1049.html

數據集發佈年份:2019年5月

11. AID Data Set(約2.7G)

數據集介紹:AID 數據集是一個遙感影像數據集,圖像像素大小爲 600*600,總包含 30 類場景圖像,每一類大概 220-420 張,共 10000 張。該數據集於 2017 年由武漢大學和華中科技大學發佈。

下載地址:https://hyper.ai/datasets/5446

數據集發佈年份:2017年4月,數據集約2.7G

12. Dataset-UAV-123 視頻數據集(約17G)

數據集介紹:Dataset-UAV-123 數據集是從低空無人機捕獲的視頻組成的數據集,於 2016 年由阿卜杜拉國王科技大學的 Matthias Mueller, Neil Smith and Bernard Ghanem 發佈。從低空無人機捕獲的視頻與流行的跟蹤數據集(如 OTB50,OTB100,VOT2014,VOT2015,TC128 和 ALOV300 ++)中的視頻本質上不同。 因此,一個新的數據集(UAV123)被提出,其中包含來自航空觀點的序列,其子集用於長期空中跟蹤(UAV20L)。 UAV123 數據集包含總共 123 個視頻序列和超過 110K 幀,使其成爲 ALOV300 ++之後的第二大對象跟蹤數據集。 所有序列都使用直立邊框進行完全註釋。 數據集可以輕鬆地與可視跟蹤器基準集成。 它包括 UAV 數據集的所有邊界框和屬性註釋。 相關論文爲 A Benchmark and Simulator for UAV Tracking。

下載地址:https://hyper.ai/datasets/5154

數據集發佈年份:2016年,數據集約17G

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章