遥感图像分割数据集整理（发布）

1、遥感道路数据集（CHN6-CUG Road Dataset）

1.1数据简介

中国代表性城市新大尺度卫星遥感影像道路数据集（CHN6-CUG Road Dataset）

CHN6-CUG道路数据集由中国地质大学武汉URSmart集团朱琦琦团队制作和共享。这是中国第一个新的具有代表性的城市大尺度卫星遥感影像道路数据集。该数据集是一幅像素级高分辨率人工标记卫星图像，选取了中国6个具有代表性的城市。这项研究发表在ISPRS摄影测量与遥感杂志上。

CHN6-CUG道路数据集是一套新的中国代表性城市大尺度卫星影像数据集。它的遥感影像底图来自谷歌地球。选取了6个不同城市化水平、城市规模、发展程度、城市结构和历史文化的城市，包括北京朝阳区、上海杨浦区、武汉市中心、深圳南山区、香港沙田区和澳门。研究区域如图1所示。根据道路覆盖的程度，有标记的道路包括有覆盖的道路和没有覆盖的道路。从地理因素的物理角度看，标志道路包括铁路、公路、城市道路和农村道路等。

CHN6-CUG包含512x512大小的4511幅标记图像，分为3608幅用于模型训练，903幅用于测试和结果评估，分辨率为50cm /pixel。原始数据集为.jpg格式，路标图为png格式。压缩数据量为175MB。

1.2. Download

CHN6-CUG Road Dataset tree is as follows:

CHN6-CUG

└───train

│   └───gt

│   └───images

└───val

│   └───gt

│   └───images

• Baidu Drive (extraction code: urs6)：download

• Google Drive：download

 1.3 道路提取领域中典型深度学习算法对CHN6-CUG road Dataset的提取效果如表所示。

2、建筑物数据集（INRIA aerial image dataset）

“Can Semantic Labeling Methods Generalize to Any City? The Inria Aerial Image Labeling Benchmark”

 2.1 数据简介

INRIA aerial image dataset：Inria是法国国家信息与自动化研究所简称，该机构拥有大量数据库，其中此数据库是一个城市建筑物检测的数据库，标记只有building, not building两种，且是像素级别，用于语义分割。训练集和数据集采集自不同的城市遥感图像。

 数据集特征:覆盖810平方公里(405平方公里用于训练，405平方公里用于测试)空间分辨率为0.3 m的航空正校正彩色图像:建筑和非建筑两种语义类的地面真实数据(仅为训练子集公开) 

格式是GeoTIFF(带有地理引用的TIFF，但图像可以用作任何其他TIFF)。文件由与区域相关的前缀命名(例如，austinor vienna-)，然后是tile编号(1-36)。参考数据在不同的文件夹中，文件名与彩色图像的文件名完全对应。在参考数据的情况下，贴图是单通道图像，建筑类的值为255，非建筑类的值为0。

训练集包含180个大小为5000x5000的彩色图像块，每个块覆盖1500 m x 1500 m的表面(分辨率为30 cm)。每个区域有36个贴图:

 1.2. Download

链接：https://project.inria.fr/aerialimagelabeling/ 

Download – Inria Aerial Image Labeling Dataset

3、建筑物数据集（Massachusetts 建筑物数据集）

Massachusetts建筑数据集是一个用于建筑物分割的大型数据集。该数据集由151组航拍图像和相应的单通道标签图像组成，其中训练部分为137组，测试部分为10组，验证部分为4组。数据集中所有图像的大小为1500×1500，分辨率为1 m。每幅影像覆盖了2.25 km²的区域，整个数据集大约覆盖340 km²。建筑物标签来自OpenStreetMaps。

下载地址：

 https://www.cs.toronto.edu/~vmnih/data/

参考文献：

Mnih V. Machine learning for aerial image labeling[D]. University of Toronto (Canada), 2013.

4、建筑物数据集（SpaceNet Challenge数据集）