遥感影像语义分割数据集

已于 2023-02-15 17:12:50 修改
阅读量6.8k 收藏 93
点赞数 11
分类专栏： 遥感影像语义分割学习 文章标签： 大数据
于 2022-06-24 09:14:54 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Vae_fans/article/details/125429864
版权

目录

本文主要参考

ISPRS

Massachusetts building dataset

UC Merced

WHU_RS19

RSSCN7

AID

SIRI-WHU

NWPU-RESISC45

BigEarthNet

GID

总结

本文主要参考

最全遥感样本数据集分享（1）：场景识别数据集 (360doc.com)

ISPRS

ISPRS提供了城市分类和三维建筑重建测试项目的两个最先进的机载图像数据集。两个数据集区域都涵盖了城市场景。

Vaihingen：是一个相对较小的村庄，有许多独立的建筑和小的多层建筑；

Postdam：是一个典型的历史城市，有着大的建筑群、狭窄的街道和密集的聚落结构。每个数据集已手动分类为6个最常见的土地覆盖类别：

①不透水面；②建筑物；③低矮植被； ④树木 ； ⑤汽车； ⑥背景

 

                        Vaihingen                                                            Postdam

Massachusetts building dataset

  • 下载地址：https://pan.baidu.com/s/1Y9yk8P26TGpxmiCsYSjfHw
  • 提取码    ：zfal

马萨诸塞州建筑物数据集由波士顿地区的151张航拍图像组成，每幅图像的1500×1500像素，面积为2.25平方公里。因此，整个数据集覆盖约340平方公里。数据分为137个图像的训练集，10个图像的测试集和4个图像的验证集。通过栅格化从OpenStreetMap项目获得的建筑轮廓线来获得目标地图。

UC Merced

UC-Merced 是加州大学默塞德分校Newsam等于2010年提出的经典遥感场景识别数据集，用于对城市地区的土地利用场景进行分类。图像均提取自USGS National Map。该数据集空间分辨率0.3m，图像尺寸256×256，包含21类场景，每类100张。

​

WHU_RS19

该数据集是从Google Earth导出的一组卫星图像，可提供高达0.5米的高分辨率卫星影像。图像尺寸600×600，包含19类场景，每类50张。包括：机场、海滩、桥梁、商业、沙漠、农田、足球场、森林、工业、草地、山、公园、停车处、池塘、港口、火车站、住宅、河流和高架桥。

​

RSSCN7

2800幅遥感图像，7个经典类别：草地、森林、农田、停车场、住宅区、工业区和河湖，每个类别400张图像，分别基于4个不同的尺度进行采样。图片大小400×400，场景图的多样性导致其具有较大的挑战性，这些图像来源于不同季节和天气变化，并以不同比例进行采样。

​

AID

发布方：武汉大学、华中科技大学

下载地址：https://pan.baidu.com/s/1mifOBv6#list/path=%2F 

大型的航空影像数据集，从Googele Earth图像中收集样本图片，10000张含有标签场景影像，包含30类场景，每类约200-420张，大小600×600

​

SIRI-WHU

包括Google image、USGS image 2个数据子集。分别包含12种、4种土地利用类型的遥感影像。

Google image：12个类别（农场、商业区、港口、工业区、草地、立交桥、池塘、停车场、闲置用地、居民区、河流、水体），各类别包含200幅影像，大小为200×200，来自于谷歌地球，主要覆盖中国城市地区；

USGS image：4个类别（农场、森林、居民地、停车场），空间分辨率2英尺，大小10000×9000，覆盖了美国俄亥俄州蒙哥马利。

​

NWPU-RESISC45

包括45个场景类，每个类有700张图像，大小为256×256.数据集涵盖了全球100多个具有发展中、转型中和高度发达经济体的国家和地区，是目前属于较大规模的数据集，同时场景影像在平移、空间分辨率、视点、物体姿势、照明、背景和遮挡方面存在很大差异，具有很大的组内差异性和组间相似性。

​

BigEarthNet

  •  发布方    ：武汉大学

  • 下载地址： http://bigearth.net/

  • 发布时间：2015

BigEarthNet是一个新的大型Sentinel-2标杆数据集，由590326幅Sentinel-2图像块组成。根据土地覆盖等级，划分为40多类；

图像尺寸：10米波段120×120像素；ii）20米波段60×60像素；iii）60米波段20×20像；

像素分辨率：10-60 m；

数据集规模：590326幅图像；

研究区域：全球范围。

​

GID

GID 是基于我国Gaofen-2卫星数据而构建的大规模高分辨率遥感图像土地覆盖数据集。GID数据集分为大规模分类集（GID-5）和精细土地覆盖集（GID-15）两个部分。

GID-5：包含建筑、农田、森林、草地和水域等5个土地覆盖类别，共计150景像素级标注的Gaofen-2卫星遥感图像。其中，训练集为120景图像，验证集为30景图像。Gaofen-2卫星遥感图像的尺寸为6800×7200，由遥感解译领域的专家进行像素级标注。GID-15：包含稻田、灌溉地、旱地、园地、乔木林、灌木林、自然草地、人工草地、工业用地、城市住宅、农村住宅、交通用地、河流、湖泊、池塘等15个类别。

​

总结

​

西瓜真的很皮啊
关注
  • 11
    点赞
  • 踩
  • 93
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
专栏目录
遥感影像公开数据集:Massachusetts-建筑
zhaoguanhua的博客
11-30 5694
一、项目介绍 地址:Road and Building Detection Datasets 麻萨诸塞州的航空影像，协助机器学习航空影像标签,包括了建筑和道路的影像与标签文件。本文我们介绍其中的建筑数据集。 二、数据介绍 马萨诸塞州建筑物数据集由波士顿地区的 151 张航拍图像组成，每张图像的大小为 1500 × 1500 像素，面积为 2.25 平方公里。因此，整个数据集大约覆盖 340 平方公里。我们将数据随机分成 137 张图像的训练集、10 张图像的测试集和 4 张图像的验证集。目标地图是通过栅格.
NWPU-RESISC45.7z
04-10
NWPU-RESISC45数据集 包含45种土地利用类型的遥感影像 提取自Google Earth 由西北工业大学于2016年发布 标注信息： 45类： airplane, airport, baseball diamond, basketball court, beach, bridge, chaparral, church, circular farmland, cloud, commercial area, dense residential, desert, forest, freeway, golf course, ground track field, harbor, industrial area, intersection, island, lake, meadow, medium residential, mobile home park, mountain, overpass, palace, parking lot, railway, railway station, rectangular farmland, river, roundabout, runwa
将gid数据集的标签转换成语义分割模式
xihua0823的博客
05-19 1231
Gid的标签是三维tif格式，需要将其转换成适合语义分割的模式。 代码如下： import os import cv2 import tifffile as tiff import numpy as np from PIL import Image def RGB_to_labe15l(img): label = np.zeros(shape=[img.shape[0], img.shape[1]], dtype=np.uint8) for i in range(0, img.shape
遥感影像-语义分割数据集：GID数据集详细介绍及训练样本处理流程
最新发布
ly_0624的博客
11-30 3732
GID 是基于我国Gaofen-2卫星数据而构建的大规模高分辨率遥感图像土地覆盖数据集。GID数据集分为大规模分类集（GID-5）和精细土地覆盖集（GID-15）两个部分。大规模分类集（GID-5）包含建筑、农田、森林、草地和水域等5个土地覆盖类别，共计150景像素级标注的Gaofen-2卫星遥感图像；精细土地覆盖集（GID-15）包含稻田、灌溉地、旱地、园地、乔木林、灌木林、自然草地、人工草地、工业用地、城市住宅、农村住宅、交通用地、河流、湖泊、池塘等15个类别，共计有30000个图像块。
遥感图像语义分割各公开数据集
热门推荐
Deeachain的博客
01-13 1万+
转载于：IMARS 遥感大数据智能挖掘与分析 语义分割在自然数据集的分割效果不断进步，有研究逐步应用到了遥感领域，尤其是高分辨率遥感影像。由于遥感图像具有海量数据，尺度依赖，空间相关性强的特点，能够很好地用语义分割的方法来提取地物或进行分类。 随着全卷积神经网络的提出，卷积网络不仅在全图式的分类上有所提高，也在结构化输出的局部任务上取得了进步。全卷积神经网络实现了对图像进行像素级的分类，从而解决了语义级别的图像分割问题。 本期对现有的10个遥感语义分割数据集进行总结，并附上下载链接，供大家对自己的算法
基于深度学习的图像分割
yt_jisuanji的博客
05-05 3011
摘要 遥感图像分割是利用遥感技术获取的高分辨率图像进行像素级别的分类，将图像中的不同物体或不同地物提取出来的过程。这个过程对于遥感应用具有重要意义，因为它能够提取出地物和地表特征，如河流、道路、建筑、植被、水体等，并且这些特征是地面实际存在的。图像分割可以为地面覆盖分类、土地利用覆盖变化分析、城市规划、农业资源监测、环境保护等领域提供实用信息。 本论文首先阐述了遥感图像分割和深度学习技术的原理，并用全卷积网络中的FCN-32s和FCN-8s网络构建了遥感图像分割模型，并用ISPRS Vaihingen 数据
遥感图像场景分类数据集
大彤小忆的博客
05-26 6801
  目前国内外开发了很多可以用于场景分类任务的公开基准数据集，为这一领域的研究提供了便利。常用的遥感图像场景分类数据集有UC Merced Land-Use和NWPU-RESISC45两种。 UC Merced Land-Use 提取码：txeu UC Merced Land-Use遥感数据集是由UC Merced计算机视觉实验室公布的用于遥感图像场景分类的公开数据集，包含21类场景，各类别场景样本展示如下图所示。     上图中具体每个类别为(1) agricultural、(2) airplane、
Potsdam 数据集预处理（切割）
Abo_luo的博客
09-24 5128
Potsdam 数据集预处理（切割）
遥感影像-语义分割数据集：Postdam数据集详细介绍及训练样本处理流程
ly_0624的博客
11-29 2922
遥感影像-语义分割数据集：Postdam数据集详细介绍及训练样本处理流程
潍坊大棚语义分割数据集.txt
11-10
潍坊大棚语义分割数据集，基于0.6米谷歌地球影像。770张1600*1600像素的图片。由个人和朋友一起制作。此内容为网盘链接，文件大小4G。详细介绍见博客https://blog.csdn.net/weixin_40450867/article/details/119483258
遥感机场区域数据集（含语义分割）
07-30
本数据集共包含约800张机场区域的遥感图像，大约300张来自武汉大学的aid遥感数据集，其余的来自geogle地图的截图。其中约400张已经进行了语义分割标注。
Massachusetts建筑物道路数据集
05-28
马萨诸塞州建筑物数据集由波士顿地区的151张航拍图像组成，每幅图像的1500×1500像素，分辨率为1m，面积为2.25平方公里。因此，整个数据集覆盖约340平方公里。数据分为137个图像的训练集，10个图像的测试集和4个图像的验证集。通过栅格化从OpenStreetMap项目获得的建筑轮廓线来获得目标地图。广泛用于深度学习语义分割与建筑物和道路的提取，是遥感与深度学习领域科研与实验必备的对比实验数据集之一。
基于深度学习高分辨率遥感影像语义分割
05-06
高分辨率遥感影像含有丰富的地理信息. 目前基于传统神经网络的语义分割模型不能够对遥感影像中小物体进行更高维度的特征提取, 导致分割错误率较高. 本文提出一种基于编码与解码结构特征连接的方法, 对DeconvNet网络模型进行改进. 模型在编码时, 通过记录池化索引的位置并应用于上池化中, 能够保留空间结构信息; 在解码时, 利用编码与解码对应特征层连接的方式使模型有效地进行特征提取. 在模型训练时, 使用设计的预训练模型, 可以有效地扩充数据, 来解决模型的过拟合问题. 实验结果表明, 在对优化器、学习率和损失函数适当调整的基础上, 使用扩充后的数据集进行训练, 对遥感影像验证集的分割精确度达到95%左右, 相对于DeconvNet和UNet网络模型分割精确度有显著提升.
遥感语义分割代码
04-21
基于深度学习对影像进行语义分割的算法具体实现，包含常见的Unet,SEGNET等深度学习语义分割模型，实现框架为Keras
遥感地物语义分割数据集，数据格式为tif,共1500张遥感图像，包含训练集、测试集、验证集
03-31
遥感地物语义分割数据集，数据格式为tif,共1500张遥感图像，包含训练集、测试集、验证集
遥感影像语义分割:数据集制作
zhaoguanhua的博客
08-15 8843
数据集标注建议：最好在大图上进行标记，然后进行切割 分块代码
好远好远的图像处理---综述
xys430381_1的专栏
08-31 2815
航空遥感图像(Aerial Images)目标检测数据集汇总 常规目标检测数据集有很多，现在前沿的目标检测算法（如Faster R-CNN, Yolo, SSD, Mask R-CNN等）基本都是在这些常规数据集上实验的，但是，基于常规数据集训练的分类器，在航空遥感图像上的检测效果并不好，主要原因是航空遥感图像有其特殊性： 1，尺度多样性，航空遥感图像从几百米到近万米的拍摄高度都有，且地面目标即使......
基于图像gist特征的NWPU-RESISC45数据分类实战
Together_CZ的博客
01-12 1652
gist特征也是我第一次听说，之前在使用机器学习模型来进行图像分类的时候，要么是使用LBP、HOG之类的特征提取算法来计算对应的特征数据，要么是直接将深度学习和机器学习做集成，深度学习扮演特征提取计算的角色，机器学习扮演最终的分类器。 什么是gist特征呢？这是最近需要用到了就来简单学习了下： GIST概念最初源自1979年Friedman A的论文，后于2001年被Oliva等人借用来代指空间包络特征，随后就是2003年由Torralba等人的继续研究。 GIST的概念起源：Fr
遥感图像语义分割数据集
05-11
一些常用的遥感图像语义分割数据集包括： 1. ISPRS Potsdam: 包含38.6 km²的多光谱遥感图像，用于城市区域的语义分割，包括5个不同的类别，如树木、建筑物、道路等。 2. ISPRS Vaihingen: 包含9 km²的多光谱遥感图像，用于城市区域的语义分割，包括6个不同的类别，如建筑物、树木、车辆等。 3. SpaceNet: 包含来自不同城市的高分辨率卫星图像，用于建筑物、道路、车辆等的语义分割。 4. DeepGlobe: 包含来自世界各地的高分辨率卫星图像，用于建筑物、道路、森林等的语义分割。 5. Inria Aerial Image Labeling: 包含来自法国南部城市的遥感图像，用于建筑物、道路、树木等的语义分割。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值