常用遥感数据集

长用遥感数据集

1. UC Merced Land-Use Data Set

图像像素大小为256*256,总包含21类场景图像,每一类有100张,共2100张。

下载地址:http://weegee.vision.ucmerced.edu/datasets/landuse.html

2. AID Data Set

图像像素大小为600*600,总包含30类场景图像,每一类大概220-420张,共10000张。

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

3. NWPU Data Set

图像像素大小为256*256,总包含45类场景图像,每一类有700张,共31500张。

下载地址:https://hyper.ai/datasets/5449

RSD46-WHU

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 3461170000.5~2mGoogleEarth、天地图2017武汉大学
  • 源地址:https://github.com/RSIA-LIESMARS-WHU/RSD46-WHU
  • aistudio备份链接:https://aistudio.baidu.com/aistudio/datasetdetail/52359
  • 百度云盘备份链接:https://pan.baidu.com/s/1WNR8wV86jl_g04JX7bCpNQ 提取码:gn2a
遥感数据制作VOC数据集是一种将遥感图像数据转化为VOC数据集格式的过程。VOC数据集是一种常用的目标检测识别数据集格式,适用于训练深度学习模型进行目标检测任务。 首先,需要收集大量的遥感图像数据,可以通过航拍、卫星遥感等方式获取。这些图像数据应涵盖各种地物、场景和目标。 接下来,需要对这些遥感图像进行标注。标注包括两个主要步骤:目标框标注和类别标注。 目标框标注是指在遥感图像中确定目标物体的位置和边界框。可以使用标注工具(如LabelImg)手动框选目标物体,并记录目标框的坐标信息。 类别标注是对每个目标框指定一个类别标签。遥感图像中可能存在多种目标物体,如车辆、建筑物、道路等。针对每个目标框,可以手动选择适当的类别标签(如"car"、"building"、"road"等)。 完成标注后,需要将标注信息转化为VOC数据集格式。VOC数据集格式包括图像文件、标注文件和类别文件。图像文件保留原始的遥感图像,标注文件记录每个目标框的位置和类别信息,类别文件记录所有可能的类别标签。 最后,通过使用相关工具(如LabelImg)对VOC数据集进行校验和修改,确保数据集的质量和准确性。可以检查每个目标框的位置是否正确,并删除不准确或冗余的标注。 通过以上步骤,就能够制作出一份基于遥感数据的VOC数据集,可以用于训练目标检测模型,提高遥感图像的自动识别和分析能力,应用于航空、农林、智能交通等领域。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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