【数据资源】遥感资源大放送（下）| 11 个经典遥感数据集
By 超神經(jīng)
內(nèi)容提要：利用遙感影像進行土地類別分型，最常用的方法是語義分割。本文繼上期土地分類模型訓(xùn)練教程之后，又整理了幾大主流公開遙感數(shù)據(jù)集。
關(guān)鍵詞：遙感數(shù)據(jù)集? ?語義分割? ?機器視覺
在上一期《遙感資源大放送（上）：用開源代碼，訓(xùn)練土地分類模型》中，我們詳細(xì)介紹了遙感影像進行土地分類的常用方法，以及具體如何使用利 deeplab-v3+?用于土地 7 分類的具體訓(xùn)練過程及代碼。
教程地址：
https://openbayes.com/console/openbayes/containers/dOPqM4QBeM6
遙感圖像原圖（上）與 7 分類圖（下）示例
除了分類與識別問題之外，遙感影像的常用場景還包括：
超分辨率重建問題
多源遙感影像快速處理問題
遙感影像的分布式存儲問題
本期中，我們整理了 11 個遙感數(shù)據(jù)集資源，其檢測目標(biāo)分類少則 2 種，多則可達 45 類，能夠為大家的模型訓(xùn)練提供更加充足的「彈藥」，請按需取用。
?Part 1：用于 2-5 分類問題
?UCAS-AOD 遙感影像數(shù)據(jù)集?
UCAS AOD 遙感影像數(shù)據(jù)集，用于飛機和車輛檢測。
具體來說，飛機數(shù)據(jù)集包括 600 張圖像和 3210 架飛機，而車輛數(shù)據(jù)集包括 310 張圖像和 2819 輛車輛。所有的圖像都經(jīng)過精心挑選，使數(shù)據(jù)集中的物體方向分布均勻。
車輛（a）與飛機（b）目標(biāo)檢測示例
該數(shù)據(jù)集由中國科學(xué)院大學(xué)（國科大）于 2014 年首次發(fā)布，并于 2015 年補充，相關(guān)論文有《Orientation Robust Object Detection in Aerial Images Using Deep Convolutional Neural Network》。
以下是該數(shù)據(jù)集的詳細(xì)信息：
UCAS-AOD 遙感影像數(shù)據(jù)集
發(fā)布機構(gòu)：中國科學(xué)院大學(xué)
更新時間：2014 年發(fā)布，2015 年補充
包含數(shù)量：600 張飛機 & 310 張車輛圖像
圖像來源：谷歌地球衛(wèi)星圖像
數(shù)據(jù)格式：.png
圖片尺寸：1280*659
數(shù)據(jù)大小：3.48GB
類別數(shù)量：?2 類
下載地址：https://hyper.ai/datasets/5419
?Inria Aerial Image Labeling Dataset?
Inria Aerial Image Labeling Dataset 是一個用于城市建筑物檢測的遙感圖像數(shù)據(jù)集，其標(biāo)記被分為建筑（building）和非建筑（not building）兩種，主要用于語義分割。
以下是該數(shù)據(jù)集的詳細(xì)信息：
Inria Aerial Image Labeling 數(shù)據(jù)集
發(fā)布機構(gòu)：INRIA（法國國家信息與自動化研究所）
發(fā)布時間：2017 年
包含數(shù)量：360 張圖像?
數(shù)據(jù)格式：GeoTiff
圖像尺寸：5000*5000
數(shù)據(jù)大小：69GB
類別數(shù)量：2?類
發(fā)布時間：2017?年
下載地址：https://hyper.ai/datasets/5428
?RSOD-Dataset 物體檢測數(shù)據(jù)集?
RSOD Dataset 是用于遙感圖像中物體檢測的數(shù)據(jù)集，其包含飛機、操場、立交橋和油桶四類目標(biāo)，數(shù)量分別為：
飛機：446 張圖，包含 4993 架飛機；
操場：189 張圖，包含 191 個操場；
立交橋：176 張圖，包含 180 座立交橋；
油桶：165 張圖，包含 1586 個油桶。
以下是該數(shù)據(jù)集的詳細(xì)信息：
RSOD Dataset
發(fā)布機構(gòu)：武漢大學(xué)
發(fā)布時間：2015 年
包含數(shù)量：976?張圖像?
數(shù)據(jù)格式：.jpg
數(shù)據(jù)大小：324.96MB
類別數(shù)量：4?類
下載地址：https://hyper.ai/datasets/5425
?Part 2：用于 5-10?分類問題
?RSSCN7 DataSet 遙感圖像數(shù)據(jù)集?
RSSCN7 Dataset 包含 2800 幅遙感圖像，這些圖像來自于 7 個典型的場景類別 —— 草地、森林、農(nóng)田、停車場、住宅區(qū)、工業(yè)區(qū)和河湖，其中每個類別包含 400 張圖像，分別基于 4 個不同的尺度進行采樣。
該數(shù)據(jù)集中每張圖像的像素大小為 400*400，場景圖像的多樣性導(dǎo)致其具有較大的挑戰(zhàn)性，這些圖像來源于不同季節(jié)和天氣變化，并以不同的比例進行采樣。
以下是該數(shù)據(jù)集的詳細(xì)信息：
RSSCN7?Dataset
發(fā)布機構(gòu)：武漢大學(xué)
發(fā)布時間：2015 年
包含數(shù)量：2800?張圖像?
數(shù)據(jù)格式：.jpg
圖像尺寸：400*400
數(shù)據(jù)大小：348.02MB
類別數(shù)量：7?類
下載地址：https://hyper.ai/datasets/5440
?NWPU VHR-10 地理空間物體檢測遙感數(shù)據(jù)集?
NWPU VHR-10 Dataset 是一個用于空間物體檢測的 10 級地理遙感數(shù)據(jù)集，其擁有 650 張包含目標(biāo)的圖像和 150 張背景圖像，共計 800 張，是從Google Earth和Vaihingen數(shù)據(jù)集裁剪而來的，然后由專家手動注釋。
其目標(biāo)種類包括飛機、艦船、油罐、棒球場、網(wǎng)球場、籃球場、田徑場、港口、橋梁和汽車共計 10 個類別。
以下是該數(shù)據(jù)集的詳細(xì)信息：
NWPU VHR-10 數(shù)據(jù)集
發(fā)布機構(gòu)：西北工業(yè)大學(xué)
發(fā)布時間：2014 年
包含數(shù)量：800 張圖像
數(shù)據(jù)格式：.jpg
數(shù)據(jù)大小：73MB
類別數(shù)量：10?類
下載地址：https://hyper.ai/datasets/5422
?Part 3：用于 11-20?分類問題
?RSC11 DataSet 遙感影像數(shù)據(jù)集?
RSC11 Dataset 是一個遙感影像數(shù)據(jù)集，來源于 Google Earth 的高分辨率遙感影像，合計包含 11 類場景圖像，包括密林、疏林、草原、港口、高層建筑、低層建筑、立交橋、鐵路、居民區(qū)、道路、儲罐。其中每類有約 100 張，共計 1232 張，空間分辨率為 0.2 米。
該數(shù)據(jù)集由中科院于 2015 年發(fā)布，主要發(fā)布人為趙立軍。
以下是該數(shù)據(jù)集的詳細(xì)信息：
RSC11? 數(shù)據(jù)集
發(fā)布機構(gòu)：中科院
發(fā)布時間：2015?年
包含數(shù)量：1232 張圖像
數(shù)據(jù)格式：.tif
圖片尺寸：512*512
數(shù)據(jù)大小：20.12MB
類別數(shù)量：11 類
下載地址：https://hyper.ai/datasets/5443
?SIRI-WHU 遙感影像數(shù)據(jù)集?
SIRI-WHU Dataset 包含了 12 個類別的場景，圖像共計 2400 張，其中每個類別有 200 張，每張圖像的像素尺寸為 200*200，空間分辨率為 2 米。
該數(shù)據(jù)集資源來自 Google Earth，主要涵蓋中國城市地區(qū)，其中場景圖像數(shù)據(jù)集由武漢大學(xué) RS-IDEA 集團設(shè)計。
以下是該數(shù)據(jù)集的詳細(xì)信息：
SIRI-WHU? 遙感影像數(shù)據(jù)集
發(fā)布機構(gòu)：武漢大學(xué)
發(fā)布時間：2016?年
包含數(shù)量：2400?張圖像
數(shù)據(jù)格式：.tif
圖片尺寸：200*200
數(shù)據(jù)大小：162.08MB
類別數(shù)量：12 類
下載地址：https://hyper.ai/datasets/5437
?WHU-RS19 DataSet 遙感影像數(shù)據(jù)集?
WHU-RS19 Dataset 是一個遙感影像數(shù)據(jù)集，其包含 19 個類別的場景影像共計 1005 張，其中每個類別有 50 張。可用于場景分類和檢索。
該數(shù)據(jù)集由武漢大學(xué)于 2011 年發(fā)布，相關(guān)論文有《Satellite Image Classification via Two-layer Sparse Coding with Biased Image Representation》。
以下是該數(shù)據(jù)集的詳細(xì)信息：
WHU-RS19 數(shù)據(jù)集
發(fā)布機構(gòu)：武漢大學(xué)
發(fā)布時間：2011 年
包含數(shù)量：1005 張圖像
數(shù)據(jù)格式：.tif
圖片尺寸：600*600
數(shù)據(jù)大小：99.54MB
類別數(shù)量：19?類
下載地址：https://hyper.ai/datasets/5434
?Part 4：用于 20+?分類問題
?UC Merced Land-Use DataSet?
UC Merced Land-Use Dataset 是一個用于研究的 21 級土地利用圖像遙感數(shù)據(jù)集，均提取自 USGS National Map Urban Area Imagery（美國地質(zhì)調(diào)查局國家地圖城市地區(qū)圖像） 系列，其被用于全國各地的城市地區(qū)。
此數(shù)據(jù)集公共領(lǐng)域圖像的像素分辨率為 1 英尺（0.3 米），圖像像素大小為 256*256，包含 21 個類別的場景圖像共計 2100 張，其中每個類別有 100 張。
這 21 個類別分別是：農(nóng)業(yè)、飛機、棒球場、海灘、建筑物、樹叢、密集住宅、森林、高速公路、高爾夫球場、港口、路口、中型住宅、移動家庭公園、立交橋、停車場、河、跑道、稀疏住宅、儲油罐。
以下是該數(shù)據(jù)集的詳細(xì)信息：
UC Merced Land-Use 數(shù)據(jù)集
發(fā)布機構(gòu)：UC Merced Vision&Learning Lab
包含數(shù)量：2100 張
數(shù)據(jù)格式：.png
圖片尺寸：256*256
數(shù)據(jù)大小：317.07MB
類別數(shù)量：21 類
發(fā)布時間：2010 年
下載地址：https://hyper.ai/datasets/5431
?AID DataSet 遙感影像數(shù)據(jù)集?
AID Dataset 是一個遙感影像數(shù)據(jù)集，其包含 30 個類別的場景圖像，其中每個類別有約 220–420 張，整體共計 10000 張，其中每張像素大小約為 600*600。
該數(shù)據(jù)集由華中科技大學(xué)和武漢大學(xué)于 2016 年發(fā)布，相關(guān)論文：《AID: A Benchmark Dataset for Performance Evaluation of Aerial?Scene Classification》。
以下是該數(shù)據(jù)集的詳細(xì)信息：
AID 遙感影像數(shù)據(jù)集
發(fā)布機構(gòu)：華中科技大學(xué)和武漢大學(xué)
包含數(shù)量：10000 張
數(shù)據(jù)格式：.jpg
圖片尺寸：600*600
數(shù)據(jù)大小:??2.47GB
類別數(shù)量：30?類
發(fā)布時間：2016?年
下載地址：https://hyper.ai/datasets/5446
?NWPU DataSet 遙感影像數(shù)據(jù)集?
NWPU Dataset 遙感影像數(shù)據(jù)集，包含像素大小為 256*256 共計 31500 張圖像，涵蓋 45 個場景類別，其中每個類別有 700 張圖像。
這 45 個場景類別包括飛機、機場、棒球場、籃球場、海灘、橋梁、叢林、教堂、圓形農(nóng)田、云、商業(yè)區(qū)、密集住宅、沙漠、森林、高速公路、高爾夫球場、地面田徑、港口、工業(yè)地區(qū)、交叉口、島、湖、草地、中型住宅、移動房屋公園、山、立交橋、宮、停車場、鐵路、火車站、矩形農(nóng)田、河、環(huán)形交通樞紐、跑道、海、船舶、雪山、稀疏住宅、體育場、儲水箱、網(wǎng)球場、露臺、火力發(fā)電站和濕地。
該數(shù)據(jù)集由西北工業(yè)大學(xué)發(fā)布，相關(guān)論文有《Remote Sensing Image Scene Classification: Benchmark and State of the Art》。
以下是該數(shù)據(jù)集的詳細(xì)信息：
NWPU Dataset?遙感影像數(shù)據(jù)集
發(fā)布機構(gòu)：西北工業(yè)大學(xué)
包含數(shù)量：31500?張
數(shù)據(jù)格式：.jpg
圖片尺寸：256*256
數(shù)據(jù)大小:??403.71MB
類別數(shù)量：45?類
發(fā)布時間：2017?年
下載地址：https://hyper.ai/datasets/5449
以上就是本期資源包的全部內(nèi)容，你也可以訪問以下鏈接：?https://hyper.ai/??或點擊「閱讀原文」，并搜索「遙感數(shù)據(jù)集」，就可直達全部資源。
—— 完 ——
往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機器學(xué)習(xí)及深度學(xué)習(xí)筆記等資料打印機器學(xué)習(xí)在線手冊深度學(xué)習(xí)筆記專輯《統(tǒng)計學(xué)習(xí)方法》的代碼復(fù)現(xiàn)專輯 AI基礎(chǔ)下載機器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)專輯 本站qq群704220115，加入微信群請掃碼：總結(jié)
以上是生活随笔為你收集整理的【数据资源】遥感资源大放送（下）| 11 个经典遥感数据集的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： QQ浏览器登陆微信的方法
- 下一篇： 考研初试成绩陆续公布，说说你的考研故事