【Image captioning】Sydney遥感图像字幕数据集生成Resnet特征

Sydney遥感图像字幕数据集生成Resnet特征

1. 分析数据规模

Sydney-Captions 数据集是从 Google Earth 的悉尼数据集中收集和生成的[62]。每幅遥感图像都是从澳大利亚悉尼的一幅分辨率为 18,000 × 14,000 像素的遥感图像中裁剪而来，裁剪后的分辨率为 500 × 500 像素。Sydney-Captions 数据集的一些样本如图 6 所示。Sydney-Captions 数据集包含共 613 幅遥感图像，分为 7 个类别，如机场、海洋和工厂。该数据集使用 237 个不同词汇为每个遥感样本生成五个不同的描述标签。该数据集有更详细的描述语句，但问题在于遥感样本数量较少。下图展示了从 Sydney-Captions 数据集中选取的一些样本，包括工厂、草地、房屋、跑道等。Sydney-Captions 数据集包含了共七种场景的样本。每个遥感样本的尺寸为 500 × 500，并且格式为TIFF。

数据下载链接：https://pan.baidu.com/s/1myAcltbnR8EkHn4IXymTYw?pwd=j4vx 提取