ISPRS遥感数据集--Potsdam数据集，Vaihingen数据集，Toronto数据集

已于 2022-05-01 16:03:49 修改
阅读量1.3w 收藏 109
点赞数 27
文章标签： python tornado
于 2022-03-26 19:04:48 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/qq_44961869/article/details/123760704
版权

一、数据的获取

Potsdam数据集下载链接
百度网盘提取码：lala
Vaihingen数据集下载链接
百度网盘提取码：lala
Toronto数据集下载链接
百度网盘提取码：lala

二、数据集的介绍

上述的数据详细介绍请大家移步至对应官网进行查看，其中有对应数据集的详细介绍
数据集的官网

三、数据集的处理

点击链接下载数据集处理源码

四、处理之后的数据集下载

百度网盘提取码：lala

五、分割之后的数据展示

在这里插入图片描述
在这里插入图片描述

水哥很水
关注
  • 27
    点赞
  • 踩
  • 109
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 82
    评论
ISPRS_Potsdam，Vaihingen数据下载地址
weixin_42534065的博客
07-01 5221
ISPRS_Potsdam，Vaihingen数据下载地址 Potsdam数据官网介绍 影像数据集名称：2D Semantic Labeling Contest – Potsdam，共38张6000*6000像素无人机影像，分辨率为 5 厘米/像素。 数据集中包含三种不同通道影像数据，地形数据，标签数据： TOP RGBIR：真实正射影像，红、绿、蓝、红外四通道； TOP IRRG：真实正射影像，三通道红外、红、绿； TOP RGB：真实正射影像，红、绿、蓝三通道； DSM：数字表面模型； GT：真实标签
pfadis-potsdam.de
05-02
自述文件 这个git储存库包含我们主页的原始文件： : 所有更改都是使用构建和发布的。 下载/结帐 该项目使用git子模块，您必须使用以下命令检出： git clone --recurse-submodules [email protected]:teibrich/pfadis-potsdam.de.git cd pfadis-potsdam.de 加工 大多数Markdown文件都可以在Github中直接进行编辑。 要在本地测试网站，您python3.7 。 要准备，首先安装所有依赖项： python3.7 -m venv pelican-env source pelican-env/bin/activate pip install -r requirements.txt 然后，您可以构建和测试网站（ ）： cd pelican make devserver 更改最初会自动触发新建
isprs-potsdam-viz:Viewer for Azavea在ISPRS波茨坦图像分割竞赛中的作品
05-01
ISPRS波茨坦数据查看器 这是一个用于查看ISPRS Potsdamn数据集和Azavea的Raster Vision项目结果的应用程序。 要求 无业游民1.8+ VirtualBox的4.3+ Ansible 2.2+ 入门 快速设置 确保aws-cli概要文件中具有geotrellis概要文件，并带有可以访问S3上的数据的密钥。 克隆项目，将cd克隆到目录中，然后运行./scripts/setup.sh创建Vagrant VM，然后构建Docker容器。 setup.sh也可以用于将项目还原到其初始状态：它将重新供应VM，然后删除并重建Docker容器。 注意：这将在重建虚拟机之前将其破坏。 仅运行UI服务器 ./scripts/setup.sh vagrant up vagrant ssh ./scripts/server.sh 下载测试数据 make load-loca
ISPRS数据集(最新)
09-05
ISPRS数据集 ISPRS官网数据集 isprs所提供的N个lidar点云数据，包括N张城市的数据，N张森林的数据。数据格式为任意 ISPRS数据集 ISPRS官网数据集 isprs所提供的N个lidar点云数据，包括N张城市的数据，N张森林的数据。数据格式为任意 ISPRS数据集 ISPRS官网数据集 isprs所提供的N个lidar点云数据，包括N张城市的数据，N张森林的数据。数据格式为任意 ISPRS数据集 ISPRS官网数据集 isprs所提供的N个lidar点云数据，包括N张城市的数据，N张森林的数据。数据格式为任意 ISPRS数据集 ISPRS官网数据集 isprs所提供的N个lidar点云数据，包括N张城市的数据，N张森林的数据。数据格式为任意 18 --》22
Potsdam，Vaihingen数据集（附百度网盘下载地址）
热门推荐
小了白了兔_白了又了白的博客
10-31 1万+
遥感数据集Potsdam，Vaihingen 的分享及处理1. Potsdam，Vaihingen数据集下载地址（百度网盘）2. 数据集分割处理1）分割图片2）保存为.mat格式 1. Potsdam，Vaihingen数据集下载地址（百度网盘） 对于做遥感图像处理的同学来说，Potsdam，Vaihingen是两个常用的数据集。如果想下载，一般需要搭梯子下载，并且下载过程经常中断，百度相关文章，排名靠前的文章也没有给出国内相关下载链接，因此将自己下载的数据集分享出来，为大家提供方便。 Potsdam数据
Potsdam 数据集预处理（切割）
Abo_luo的博客
09-24 5011
Potsdam 数据集预处理（切割）
ISPRS Vaihingen 数据集解析
智慧地球（AI·Earth）
04-27 1万+
因为跑实验要用到Vaihingen数据集，第一次接触，这里主要简单介绍和分析一下2D Semantic Labeling。 Benchmark Test As of now (summer 2018) all reference data for all benchmarks we are running is available for download - end of the benchmark challenge! This means that we are stopping evaluating
2021-07-19
weixin_45484432的博客
07-19 806
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 遥感tif图像批量裁剪为jpg方法裁剪原理一、实验材料二、代码如下结果展示关于数据集关于代码报错 裁剪原理 首先使用cv2.imread()将tif图像读取为像素点组成的3通道矩阵 然后进行裁剪并将所裁剪矩阵保存为jpg格式 一、实验材料 我这里使用的是ISPRS竞赛所提供的Potsdam数据集 原图以及标签均为tif格式，大小为6000x6000 二、代码如下 import cv2.cv2 as cv import numpy imp
遥感影像-语义分割数据集：Vaihingen数据集详细介绍及训练样本处理流程
ly_0624的博客
11-29 2035
遥感影像-语义分割数据集：Vaihingen数据集详细介绍及训练样本处理流程
mmseg potsdam训练集的准备
m0_64719223的博客
12-25 485
按照mmseg的文档，我们只需要下载 ‘2_Ortho_RGB.zip’ 和 ‘5_Labels_all_noBoundary.zip’。随后按照mmseg官方提供的命令运行即可。打开数据处理的python文件，这里可以发现，这个转换的文件里面会把你指定目录下的所有zip压缩包都进行处理并把图像和标签添加到数据集中。到这里你可能会认为，每个压缩包的名字都不一样，即使下载了多余的压缩包数据，应该也不会出现错误吧。这个操作会导致后面一系列的问题，可能你会认为是学习率的问题、又或者是哪里出现了bug等等等。
小菊的语义分割2——数据集的制作(一): ISPRS_Potsdam遥感图像数据集
fuhao7i的博客
12-21 6720
小菊的语义分割——对ISPRS数据集中的遥感图像进行切分，制作自己的训练数据集1. 为什么要对遥感图像进行切分？2. 切分图像，制作数据集 1. 为什么要对遥感图像进行切分？ 一般的遥感图像尺寸都是非常大的，就像这里我们用的ISPRS遥感图像数据集，每张遥感图像.ttf的尺寸都是6000 x 6000，这根本就不能用于我们的模型训练????(内存瞬干爆炸????)，因此需要我们自己将大的遥感图像切分成自己需要的尺寸，像是常用的224 x 224，512 x 512等。 大家可以利用如下代码将遥感图像切分成
ISPRS数据集.zip
04-01
ISPRS官网数据集.zip
ISPRS标准滤波数据.rar
11-26
包含城市和森林的稀疏点云以及做滤波常用的sample数据
WHU-RS19数据集
09-14
WHU-RS19是从谷歌卫星影像上获取19类遥感影像，可用于场景分类和检索。 相关工作： -G.-S. Xia, W. Yang, J. Delon, Y. Gousseau. H. Maitre, H. Sun, "Structural high-resolution satellite image indexing". ...
RIT-18:用于语义分割的高分辨率多光谱数据集
05-12
RIT-18 用于语义分割的高分辨率多光谱数据集描述该存储库包含我们为遥感影像的语义分割而构建的RIT-18数据集。 它是由多光谱成像传感器随DJI-1000八旋翼飞行器采集的。 该数据集的主要贡献包括：1）无人机的超高...
【编译程序介绍】
武帝为此的博客
04-22 1283
简单来说，编译程序是一个软件，它读取用某种编程语言编写的源代码，分析并转换成等效的、可执行的机器语言代码。这个过程涉及多个复杂的步骤，包括语法分析、语义分析、代码优化和代码生成等。
深度学习基础：循环神经网络中的Dropout
weixin_39753819的博客
04-24 499
Dropout是一种用于深度学习模型的正则化技术，旨在减少模型的过拟合。它的基本思想是在训练过程中，随机地将一部分神经元的输出置为零，从而减少神经元之间的相互依赖关系，降低模型对特定神经元的依赖性，提高模型的泛化能力。本文介绍了Dropout在深度学习中的基本概念和原理，以及在循环神经网络中如何使用Dropout来解决过拟合问题。通过一个简单的Python示例，我们演示了如何在PyTorch中实现带有Dropout的循环神经网络，并观察了训练过程中的损失变化。
[python3] 读取一个正在更新的日志文件
最新发布
言之。
04-24 332
等同于–follow=name --retry，根据文件名进行追踪，并保持重试，即该文件被删除或改名后，如果再次创建相同的文件名，会继续追踪。这两种方法都会持续监听日志文件的变化，并实时读取新增的日志内容。你可以根据实际需求选择其中一种方法。要读取一个正在更新的日志文件（即实时写入的日志文件），你可以使用 Python 的。的技巧来实现实时读取。函数打开文件，并使用。
实现自定义注解、实现自定义幂等性注解
qq_44721738的博客
04-23 725
添加 Spring AOP 依赖。创建自定义注解。创建一个新的 Java 注解类，通过@interface关键字来定义，并可以添加元注解以及属性。@Target(ElementType.METHOD) //表示作用于方法上@Retention(RetentionPolicy.RUNTIME) // 表示这个注解在运行时是可见的，这样 AOP 代理才能在运行时读取到这个注解编写 AOP 拦截（自定义注解）的逻辑代码。@Aspect@Component// 方法执行前的处理。
遥感语义分割常用的弱监督数据集有哪些
07-13
在遥感语义分割任务中，常用的弱监督数据集包括以下几种： 1. ISPRS Potsdam 数据集：这个数据集由国际摄影测量与遥感学会（ISPRS）提供，包含了德国波茨坦市的高分辨率遥感图像。该数据集提供了图像级别的标签和目标边界框标注，用于语义分割任务。 2. DeepGlobe 数据集：DeepGlobe 挑战赛提供了一系列高分辨率遥感图像，涵盖了不同地理区域和场景。该数据集提供了图像级别的标签和目标边界框标注，适用于遥感图像分割任务。 3. SpaceNet 数据集：SpaceNet 由美国情报高级研究计划局（IARPA）赞助，包含了大量的高分辨率遥感图像。这个数据集提供了图像级别的标签和目标边界框标注，可用于遥感图像分割任务。 4. DOTA 数据集：DOTA（多尺度遥感目标检测和分析）是一个大规模的遥感目标检测和分割数据集。该数据集提供了目标边界框和多边形分割标注，适用于目标检测和分割任务。 这些弱监督数据集可用于训练深度学习模型，以进行遥感图像的语义分割任务。然而，需要注意的是，这些数据集提供的标注可能存在一定的不完整性或不准确性，因此在使用时需要谨慎处理，并采取适当的方法来处理不完整或不准确的标注。

“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 82
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

打赏作者

水哥很水

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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