遥感影像资源推荐-数据集

type

status

date

slug

summary

1、RarePlanes

RarePlanes 是 CosmiQ Works 和 AI.Reverie 公司联合开发的开源遥感数据集，包含真实和合成的卫星图像，是最大的可公开使用的超高分辨率数据集。

数据集的真实部分，包括 253 个 Maxar WorldView-3 卫星场景，这些场景总面积为 2142 平方公里，跨越 112 个位置，并带有 14700 架飞机的标注信息。

合成部分数据集是通过 AI.Reverie 的新型仿真平台生成的，包含 50000 个合成卫星图像以及约 630000 个飞机标注信息。

实际和合成的飞机标注信息均具有 10 种细粒度属性，包括：飞机长度，机翼跨度，机翼形状，机翼位置，机翼跨度，推进力，发动机数量，垂直稳定器数量，机翼的存在和飞机类别。

应用场景：目标检测。

• 下载地址：https://www.cosmiqworks.org/RarePlanes/

2、VisDrone2019

VisDrone2019 数据集由天津大学机器学习和数据挖掘实验室 AISKYEYE 团队收集发布。该数据集包含了 288 个视频片段，共计 261908帧和 10209 张静态图像，覆盖范围广泛，包括位置（来自中国 14 个不同城市，相距数千公里）、环境（城市和乡村）、物体（行人、车辆、自行车等）以及密度（稀疏和拥挤场景）。

根据任务所需，分为：

Object Detection in Images

Object Detection in Videos

Single-Object Tracking

Multi-Object Tracking

Crowd Counting

另外，该数据集是在不同的场景、不同的天气和光照条件下使用不同的无人机平台(即不同型号的无人机)收集的。这些帧（图像或视频画面）被手动标注了超过 260 万个边界框，用于标记经常关注的目标，比如行人、汽车、自行车和三轮车。

应用场景：目标跟踪。

下载地址：https://github.com/VisDrone/VisDrone-Dataset

3、SAT-4 and SAT-6 airborne datasets

SAT-4 数据集包含 500000 幅图像，四种地表覆盖类别，分别是 barren land、trees、grassland 和 other 。其中 400000 幅图像用于训练（总数据集的五分之四），剩下的 100000 幅图像用于测试（总数据集的五分之一）。

SAT-6 数据集包含 405000 幅图像，六种地表覆盖类别，分别是 barren land、trees、grassland、 roads、buildings 和 water bodies。其中 324000 幅图像用于训练（总数据集的五分之四），81000 幅图像用于测试（总数据集的五分之一）。

应用场景：遥感影像分类。

• 下载地址：https://csc.lsu.edu/~saikat/deepsat/

4、FAIR1M

FAIR1M 是中科院发布的用于遥感图像中精细目标检测和识别的大规模数据集。

该数据集具有以下特点：

百万级实例规模

旋转包围框标注

细粒度目标识别

类别覆盖广泛

数据长尾分布

该数据集包含 37 个小类，5 个大类，共计 15000 张图像，覆盖全球 50 多个机场、港口、城乡等场景。数据集共计 37 类，包括 Boeing737、Boeing747、Boeing777、Boeing787、C919、A220、A321、A330、A350、ARJ21、other-airplane、Passenger Ship、Motorboat、Fishing Boat、Tugboat、Engineering Ship、Liquid Cargo Ship、Dry Cargo Ship、Warship、other-ship、Small Car、Bus、Cargo Truck、Dump Truck、Van、Trailer、Tractor、Excavator、Truck Tractor、other-vehicle、Basketball Court、Tennis Court、Football Field、Baseball Field、Intersection、Roundabout 和 Bridge。

应用场景：目标检测。

该数据集仅可用于学术研究。

论文地址：https://www.sciencedirect.com/science/article/abs/pii/S0924271621003269

下载地址：https://gaofen-challenge.com/benchmark

5、CORS-ADD

CORS-ADD 是基于 Google Map、WorldView-2、WorldView-3、Pleiades、Jilin-1、IKONOS 等卫星平台，通过人工标注构建的有关复杂遥感场景的的飞机目标检测数据集。该数据集共计 7337 张遥感影像，包含飞机实例共计 32285 个，可以充分支撑基于数据驱动算法的评估和训练。

应用场景：目标检测。

论文地址：https://ieeexplore.ieee.org/document/10144379/

下载地址：https://github.com/sgtojd/Complex-Optical-Remote-Sensing-Aircraft-Detection-Dataset

6、SYSU-CD

SYSU-CD 数据集包含 2007 年至 2014 年期间在香港拍摄的 20000 对尺寸为 256×256 的 0.5 米航空图像，主要变化类型包括：

newly built urban buildings

suburban dilation

groundwork before construction

change of vegetation

road expansion；sea construction

应用场景：变化检测。

下载地址：https://github.com/liumency/SYSU-CD

7、RSICD

RSICD 数据集是由从 Google Earth、百度地图、MapABC 和 Tianditu 上收集的上万幅遥感图像所组成。这些图像的分辨率固定为 224X224 像素。遥感图像总数为 10921 幅，每幅图像有五句描述。

应用场景：图像字幕生成。

下载地址：https://github.com/201528014227051/RSICD_optimal

8、RSD46-WHU

RSD46-WHU 是一个庞大的开放数据集，汇集了来自 Google Earth 和 Tianditu 的 117000 幅图像，涵盖了 46 个不同类别的内容，用于遥感图像场景分类。

该数据集可免费用于教育、研究和商业用途。

下载地址：https://github.com/RSIA-LIESMARS-WHU/RSD46-WHU

9、DIOR 数据集

DIOR由23463张最优遥感图像和190288个目标实例组成，这些目标实例用轴向对齐的边界框手动标记，由192472个轴对齐的目标边界框注释组成。数据集中图像大小为800×800像素，空间分辨率为0.5m ~ 30m。该数据集分为训练验证集（11725张图像）和测试集（11738张图像）。 “DIOR”是一个用于光学遥感图像目标检测的大规模基准数据集。涵盖20个对象类。这20个对象类是飞机、机场、棒球场、篮球场、桥梁、烟囱、水坝、高速公路服务区、高速公路收费站、港口、高尔夫球场、地面田径场、天桥、船舶、体育场、储罐、网球场、火车站、车辆和风磨。数据论文地址：Object Detection in Optical Remote Sensing Images: A Survey and A New Benchmark

应用场景：目标检测。

论文地址：https://arxiv.org/abs/1909.00133

下载地址：https://pan.baidu.com/s/1rxpPTfaYMoXgH2_wCRkLyg

提取码：rsdl

10、LEVIR 数据集

LEVIR数据集由大量 800 × 600 像素和0.2m〜1.0m 像素的高分辨率Google Earth图像和超过22k的图像组成。LEVIR数据集涵盖了人类居住环境的大多数类型地面特征，例如城市，乡村，山区和海洋。数据集中未考虑冰川，沙漠和戈壁等极端陆地环境。数据集中有3种目标类型：飞机，轮船（包括近海轮船和向海轮船）和油罐。所有图像总共标记了11k个独立边界框，包括4,724架飞机，3,025艘船和3,279个油罐。每个图像的平均目标数量为0.5。数据下载地址：https://levir.buaa.edu.cn/Code.htm

数据论文地址：https://ieeexplore.ieee.org/document/8106808