PyTorch中的遥感图像数据集包括以下几种:
-
EuroSAT:该数据集包括27个类别的遥感图像,共有约27,000张图像。每个类别都包括约1,000张图像。该数据集可用于分类任务。
-
SEN12MS:该数据集包括了L-波段和C-波段的遥感图像,总共有许多张图像,可以用于各种任务,如分割、分类、检测等。
-
NWPU-RESISC45:该数据集包括45个类别的遥感图像,其中包括飞机、桥梁、森林等不同类型的物体。总共有30,000张图像。该数据集可用于分类任务。
-
DeepGlobe:该数据集包括3个任务:道路提取、建筑物提取和地图卫星图像分类。总共有约5,000张图像。
-
BigEarthNet:该数据集包括每个地理区域覆盖范围广泛的多光谱遥感图像。总共有125,000张图像,可以用于分类和检测任务。
-
AID:该数据集包括30个类别的遥感图像,共有10,000张图像。该数据集可用于分类任务。
-
WHU-RS19:该数据集包括19个类别的遥感图像,共有成千上万张图像。该数据集可用于分类任务。
-
UC Merced Land Use:该数据集包括21个类别的遥感图像,共有约3,000张图像。该数据集可用于分类任务。
这些数据集涵盖了遥感图像的各种应用场景,可供研究人员、开发人员和学习者使用。
高光谱图像数据集
PyTorch中有许多可用的高光谱图像数据集,包括以下几个:
-
Indian Pines数据集:在印度的一个小城镇拍摄的高光谱图像,包含145x145像素和224个波段
-
Pavia数据集:由意大利帕维亚市拍摄的高光谱图像,包含610x340像素和103个波段
-
Salinas数据集:在美国加州的Salinas Valley拍摄的高光谱图像,包含512x217像素和224个波段
-
KSC数据集:在美国佛罗里达州肯尼迪航天中心拍摄的高光谱图像,包含512x614像素和176个波段
以上数据集都可以在PyTorch中使用,可以通过下载相应的数据集并使用PyTorch中的数据加载器进行加载。这些数据集通常用于遥感图像分析和分类任务。