小目标检测数据集

1. 光学遥感图像数据集

数据集数据来源发布年份图像数目实例数目类别数目标注方式分辨率/像素备注
CARPK (Hsieh等,2017)无人机2017144819371水平框1280x720 / / /
FAIR1M(Sun等,2022c)高分卫星20214279679821137斜框600~10000具有任意角度分布的实例,小目标占比约80%。场景覆盖上百个城市、乡镇、机场、港口等。类别包含舰船、车辆、飞机、球场和道路5大类37种精细化类别。
VisDrone(Zhu等,2022)无人机20211024928504310水平框2000x1500 / / /
AI-TOD(Xu等,2022b)谷歌地球2021280363698158水平框800x800专注微小目标检测。实例集中车辆类别。目标尺寸平均值仅12.7pixels。
DOTA(Ding等,2022)谷歌地球/卫星2021242327884618水平/斜框2217x2074第一个用于光学遥感图像目标检测的大型数据集。有着丰富的尺度多样性,但小目标仅存在少数几个类(小车、船)中。
DIOR-R(Cheng等,2022b)谷歌地球20212346310810620水平/斜框800x800 / / /
SODA-A(Cheng等,2022c)谷歌地球202225138375129斜框4761x2777第一个专为小目标检测设计的大规模数据集,面向倾斜目标检测任务。

2. 合成孔径雷达SAR数据集

SAR图像由SAR系统产生,一种主动式的对地观测系统,有HH(horizontal horizontal)和HV(horizontal vertical)等不同极化方式。因为回波强度不同,分别包含不同特征的信息。SAR不受气候和云雾限制,相较光学传感器可以全天时全天候工作。

数据集数据来源发布年份图像/幅实例数目类别数目标注方式分辨率/像素用途极化信息分辨率/m备注
SSDD, SSDD+ (Li等,2017)RadarSat2;TerraSAR-X;Sentinel-12017116024561水平/旋转框500x500舰船检测HH,VV,VH,HV1~15覆盖不同海况、海域、舰船尺寸等多种条件,特征不明显的小型舰船,港口停泊的密集船只等。
SAR-Ship (Wang 等,2019b)高分3号; Sentinel-1201943819595351水平框256x256舰船检测单极,双极,全极3~25 / / /
AIR-SARShip-1.0 (孙显 等,2019)高分3号2019315121水平框3000x3000舰船检测单极化1,3覆盖不同气候下的港口、岛屿、悬崖、海平面场景。约94%目标框占全图像素比例≤3.29%。
AIR-SARShip-2.0 (孙显 等,2019)高分3号2019300 / / /1水平框1000x1000舰船检测单极化1,3 / / /
HRSID (Wei 等,2020a)Sentinel-1B;TerraSAR-X;TanDEM-X20215604169511水平框800x800舰船检测HH,HV,VV0.5,1,3面向舰船实例分割和目标检测任务,超99%的目标的像素比≤3.29%
LS-SSDD v1.0 (Zhang等,2020)Sentinel-120211560151水平框24000x16000舰船检测VV,VH5,20 / / /
ADD (郭倩 等,2020)高分3号; TerraSAR-X20211192 / / /1水平框1000x1000飞机检测HH1 / / /
SRSDD-v1.0 (Lei等,2021)高分3号202166622756旋转框1024x1024舰船检测HH,VV1 / / /
SAR-ACD (Sun 等,2022d)高分3号202211432220水平框 / / /飞机检测单极化1覆盖上海虹桥机场和北京首都机场,复杂时空场景,飞机类别多样,实例大小差异大。
RSDD-SAR (Xu 等,2022)高分3号; TerraSAR-X20227000102631旋转框512x512舰船检测HH,HV2~20 / / /

3. 红外图像数据集

数据集数据来源发布年份图像数目实例数目类别数目标注方式分辨率/像素备注
IDATDAT(回丙伟 等,2020)高塔转台202016177169441点标注256x256以地面、天空为背景的小飞机目标检测跟踪数据集。面向低空飞行的目标,30条轨迹。
SIMTD(孙晓亮 等,2021)无人机2021150185 / / /1点标注640x512基于复杂背景的运动目标检测半仿真数据集。面向空中红外探测设备远距离探测空中飞行目标应用。涵盖天空、水面、植被、建筑物多场景。通过设置不同复杂程度的目标运动轨迹,拟合仿真不同灰度分布、不同信号强度的小运动目标。
NUAA-SIRST(Dai等,2021b)无人机20214274801水平框约320x240为避免训练集、验证集、测试集的重叠,只从每个红外序列选择1幅具有代表性的图像。包括短波、中波、950nm波长。许多目标非常暗淡且隐藏在复杂背景中。
ITTDAT(傅瑞罡 等,2022)无人机202221750891741水平框640x480面向红外时敏目标检测跟踪。车载的图像序列数据集。87 段视频序列、393 段目标轨迹
IRSTD-1k(Zhang等,2022b)红外热成像仪20221001约15001像素标注512x512包含无人机、动物、船只和车辆等不同类别的小目标,背景涵盖海洋、河流、田野、山丘、城市和云,伴有大量复杂噪声。
NUDT-SIRST(Li等,2022a)无人机20221327约19501像素标注256x256包含城市、田野、海洋等背景场景。约37%的图像包含不少于2个目标,27%目标图像占比不超过0.01%。

阅读文献
Yuan X, Cheng G, Li G, Dai W, Yin W X, Feng Y C, Yao X W, Huang Z L, Sun X and Han J W. 2023. Progress in small object detection for remote sensing images. Journal of Image and Graphics, 28(06):1662-1684(袁翔, 程塨, 李戈, 戴威, 尹文昕, 冯瑛超, 姚西文, 黄钟泠, 孙显, 韩军伟. 2023. 遥感影像小目标检测研究进展. 中国图象图形学报, 28(06):1662-1684)[DOI:10. 11834/jig. 221202]

  • 21
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
要制作 YOLO 格式的小目标检测数据集,你需要完成以下步骤: 1. 收集图片:收集包含小目标的图片,比如包含小动物、小物体等的图片。 2. 标注数据:使用标注工具(比如 LabelImg)将每个小目标框起来,并为每个框分配一个类别标签。 3. 生成标注文件:将每个图像的标注数据转换成 YOLO 可以读取的格式,一般为 `.txt` 格式。每个 `.txt` 文件与其对应的图像文件名相同,但后缀为 `.txt`。每个 `.txt` 文件中,每一行表示一个标注框,且每行的格式为:`<object-class> <x> <y> <width> <height>`,其中 `<object-class>` 是该目标的类别编号,`<x>` 和 `<y>` 是目标框的中心坐标,`<width>` 和 `<height>` 是目标框的宽和高,均以图像宽高的比例表示。 4. 划分数据集:将数据集划分为训练集、验证集和测试集。一般建议训练集占总数据集的 70% 左右,验证集和测试集各占 15% 左右。 5. 生成数据集列表文件:为了方便训练和测试,需要将训练集、验证集和测试集中每个图像的路径、对应的标注文件路径、以及图像的宽高等信息写入一个列表文件中,以便 YOLO 模型读取。每个列表文件中的每一行表示一个图像的信息,格式为:`<path-to-image> <path-to-label-file> <image-width> <image-height>`。 以上是制作 YOLO 格式的小目标检测数据集的一般步骤,你可以参考这些步骤来制作自己的数据集。

“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 1
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