ISPRS_Potsdam，Vaihingen数据下载地址

最新推荐文章于 2024-06-04 22:06:23 发布
最新推荐文章于 2024-06-04 22:06:23 发布
阅读量5.4k 收藏 19
点赞数 3
分类专栏： deap learning 文章标签： python 深度学习
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/weixin_42534065/article/details/118380843
版权

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：

  1. TOP RGBIR：真实正射影像，红、绿、蓝、红外四通道；
  2. TOP IRRG：真实正射影像，三通道红外、红、绿；
  3. TOP RGB：真实正射影像，红、绿、蓝三通道；
  4. DSM：数字表面模型；
  5. GT：真实标签

标签数据包括：带边界的和不带边界的

数据集位置编号
真实正射影像（左）地形数据（中）标签数据（右）

数据集官网申请下载

最低0.47元/天 解锁文章
卡卡是kaka
关注
  • 3
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 14
    评论
专栏目录
[ISPRS数据集2]将ISPRS_Potsdam数据集分割成224*224的小尺寸图片
weixin_44738304的博客
08-26 1680
将有标签的图像分出来，同时将图像和标签分割成为224*224大小的图片，分别放在不同的文件夹下，方便创建训练集。没有使用不带标签的图像，即：没有将验证集的图像做分割处理。具体处理了那些图像，可以自己输出一下。......
isprs点云数据
06-22
在这个压缩包中，我们拥有ISPRS提供的八份LiDAR（Light Detection and Ranging，光探测和测距）点云数据集，分为四组城市场景和四组森林场景，数据以TXT文本格式存储。 LiDAR系统通过发射激光脉冲并测量其返回的...
LoveDA、Potsdam、Toronto、Vaihingen数据集
最新发布
xiaokui6的博客
06-04 706
遥感大模型数据集 Potsdam、Toronto、Vaihingen数据集
ISPRS遥感数据集--Potsdam数据集，Vaihingen数据集，Toronto数据集
qq_44961869的博客
03-26 1万+
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 以Potsdam数据集为例，其中包含了38张6000×6000的图像，我们无法将其直接送入我们的模型中进行训练，因此，这里对数据集中的38张图片进行切割操作，使得每幅单张图片为600×600，详细代
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
ISPRS数据集.zip
04-01
ISPRS官网数据集.zip
遥感影像-语义分割数据集：Postdam数据集详细介绍及训练样本处理流程
ly_0624的博客
11-29 4083
遥感影像-语义分割数据集：Postdam数据集详细介绍及训练样本处理流程
Potsdam 数据集预处理（切割）
Abo_luo的博客
09-24 5494
Potsdam 数据集预处理（切割）
遥感数据集制作（Potsdam数据集为例）：TIF图像转JPG，TIF标签转PNG，图像重叠裁剪
lalula的博客
05-15 1310
遥感图像不同于一般的自然图像，由于波段数量、图像位深度等原因，TIF图像数据不能使用简单的格式转换方法。本文以Potsdam数据集为例，制作能够直接用于深度学习的数据集。Potsdam数据集的内容如下：本文使用2_Ortho_RGB（图像数据RGB通道顺序）和5_Labels_all（标签数据）作为示例进行数据集制作。
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...
结合对象关系特征的高分辨率卫星影像建筑物识别方法
03-04
结合对象关系特征的高分辨率卫星影像建筑物识别方法，周小成，汪小钦，建筑物目标的自动识别和提取是当前高分辨率卫星影像信息自动提取的热点和难点问题。基于面向对象影像分析的思想，提出了一种结合
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...
ISPRS标准滤波数据.rar
11-26
其制定的标准在行业内具有权威性，因此“ISPRS标准滤波数据”是一个典型的数据集，用于研究和测试点云处理算法，特别是滤波技术。 这个压缩包“ISPRS标准滤波数据.rar”中可能包含了城市和森林环境下的稀疏点云数据...
isprs
鸟窝有个蛋
05-05 1212
isprs测试数据
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 6992
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
mmseg potsdam训练集的准备
m0_64719223的博客
12-25 672
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。
2021-07-19
weixin_45484432的博客
07-19 854
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
深度学习图像语义分割数据集的使用范围对比(关注几何形状)
Cookieman666的博客
11-07 1176
推进深度学习向前发展的三驾马车分别为：1. 数据集；2. 计算机的算力；3. 深度学习算法。然而，随着人工智能和深度学习算法在各个领域的应用取得显著的成效，对优质的数据集的要求越来越高，但现在主流的数据集仍然是关于纯计算机领域的应用，所以，选择好的数据集进行跨领域的迁移学习尝试也是计算机视觉(CV)领域常用的可行性方法。由于工程领域没有大范围公开的可用数据集，无法进行大面积的自主应用。1. Cityscapes数据集。
dataset_name = 'Vai_256' #args.dataset dataset_config = { 'Vai_256': { 'root_path': 'D:/ISPRS_Dataset/Vaihingen_256/', 'list_dir': './lists/lists_Vai_256', 'num_classes': 6, }, 'Pots_256': { 'root_path': 'D:/ISPRS_Dataset/Potsdam_256/', 'list_dir': './lists/lists_Pots_256', 'num_classes': 6, }, }
06-10
这段代码看起来是用来设置数据集的相关参数，包括数据集名称、数据集根目录、数据列表文件路径、分类数量等信息。其中dataset_name变量用于指定数据集名称，dataset_config是一个字典类型的变量，包含了不同的数据集名称和对应的参数信息，例如Vai_256数据集的根目录是'D:/ISPRS_Dataset/Vaihingen_256/'，列表文件路径是'./lists/lists_Vai_256'，分类数量是6。同时这段代码也暗示了该程序是针对遥感图像分类任务的。

“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 14
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
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