深度学习中的遥感影像数据集~持续更新

最新推荐文章于 2024-05-30 16:18:00 发布
最新推荐文章于 2024-05-30 16:18:00 发布
阅读量8.4k 收藏 70
点赞数 4
分类专栏： 数据集 文章标签： 深度学习
原文链接：https://blog.csdn.net/nominior/article/details/105247990
版权

收集网络上公开的遥感数据集，欢迎补充

  • 以下数据集均为网上开源数据集，若有遗误或不慎涉及侵权，烦请评论或留言联系
  • 目前本项目共整理
    • 场景分类数据集27个（整理完结）；
    • 目标检测数据集31+个（整理完结）；
    • 图像分割数据集34+个（整理完结）；
    • 变化数据集13个；
    • 高光谱分类3个（整理完结）；
    • 高光谱检测2个（整理完结）；
    • 高光谱分割7个（整理完结）；
    • 多标签分类2个（整理完结）；
    • ……
  • 数据下载及最新更新内容：https://aistudio.baidu.com/aistudio/projectdetail/882508 
  • 最后更新——2021.05.16

目录

遥感影像场景分类

Moving and Stationary TargetAcquisition and Recognition (MSTAR) 8class

UCMerced_LandUse

WHU-RS19

RSSCN7

RS_C11

NWPU-RESISC45

AID

GID

RSD46-WHU

PatternNet

AIRS

Satellite Images of Hurricane Damage

How-to-make-high-resolution-remote-sensing-image-dataset

OPTIMAL-31

WiDS Datathon 2019

Continual Learning Benchmark for Remote Sensing Image Scene Classification (CLRS)

SenseEarth Classify

Multi-View Datasets，CV-BrCT

Multi-View Datasets，AiRound

SIRI-WHU

SIRI-WHU：google

SIRI-WHU：USGS

RSI-CB

RSI-CB128

RSI-CB256

SAT

SAT-4

SAT-6

V-RSIR

rs VArcGIS

rs VBing

rs VGoogle

rs sensetime

rscup

Planet: Understanding the Amazon from Space

brazilian coffee scenes

遥感影像目标检测

TAS

OIRDS

SZTAKI-INRIA Building Detection Benchmark

UCAS_AOD

NWPU VHR-10

HRSC2016

DLR3k

RSOD

TGRS-HRRSD

SSDD

OpenSARShip

ships in satellite imagery

LEVIR

VisDrone2019-DET

MASATI

ITCVD

DIOR

AIR-SARShip

SAR-Ship

iSAID

Bridge Dataset

HRSID

RarePlanes

FAIR1M

VEDAI

DOTA

DOTA1.0

DOTA1.5

SZTAKI-INRIA

COWC

Functional Map of the World Challenge

CARPK

rscup

planet-understanding-the-amazon-from-space

airbus-ship-detection

Open AI Tanzania Building Footprint Segmentation Challenge

MAFAT Challenge - Fine-Grained Classification of Objects from Aerial Imagery

遥感影像图像分割

Massachusetts Roads

Massachusetts Builds

Zurich Summer

ERM-PAIW

HD-Maps

BDCI2017

Learning Aerial Image Segmentation From Online Maps

2018 Open AI Tanzania Building Footprint Segmentation Challenge(TBF)

WHDLD

DLRSD

DeepGlobe Land Cover Classification Challenge

DeepGlobe Road Detection Challenge

Aeroscapes

Map Challenge

38-Cloud: A Cloud Segmentation Dataset

WHU Building Dataset,Satellite dataset Ⅰ (global cities)

WHU Building Dataset,Satellite dataset Ⅱ (East Asia)

WHU Building Dataset,Aerial imagery dataset

DroneDeploy

RoadTracer

Land Cover from Aerial Imagery（landcover_ai）

UAVid

95-Cloud: An Extension to 38-Cloud Dataset

AI+遥感影像

BDCI2020

mini Inria Aerial Image Labeling Dataset

ISPRS 2D Semantic Labeling Contest

Postdam

Vaihingen

GID

GID Fine Land-cover Classification_15classes

GID Large-scale Classification_5classes

UDD

UDD5

UDD6

BH-DATASET

BH-POOLS

BH-WATERTANKS

Inria Aerial Image Labeling Dataset

rscup

suichang dataset

LRSNY

遥感影像变化检测

SZTAKI-INRIA AirChange

AIST Building Change Detection(ABCD)

fixed-scale

resized

WHU Building Change Detection Dataset

season-varying

Onera Satellite Change Detection (OSCD)

Multi-temporal Scene WuHan (MtS-WH)

High Resolution Semantic Change (HRSCD)

xBD

Google dataset

LEVIR-CD

SenseEarth ChangeDetection

SEmantic Change detectiON Data(SECOND)

rscup

遥感影像场景分类——多/高光谱

EuroSAT

TG1HRSSC

NaSC-TG2

遥感影像目标检测——多/高光谱

Dstl Satellite Imagery Feature Detection

xView

遥感影像语义分割——多/高光谱

Salinas

Salinas scene

Salinas-A scene

Pavia Centre and University

Pavia Centre scene

Pavia University scene

Washington DC MALL

IKennedy Space Center (KSC)

Botswana

Indian Pines

HyRANK

遥感影像多标签分类

MLRSNet

BigEarthNet

变化检测

4）Change Detection Dataset

5） River Dataset

6）WHU ： Building change detection dataset

7）Season-varying Change Detection Dataset

*）Urban Atlas Change 2012-2018

*）High Resolution Change Detection

实例分割

1）iSAID

目标跟踪

1）Dataset-UAV-123

图像标题 / Image caption

1）RSICD

2）UCM Captions

3）Sydney Captions

其他

DLR Earth Observation Center

SpaceNet Challenge

遥感影像场景分类

收集网络中开源的、关于遥感影像 场景分类的深度学习数据集

main ref

https://captain-whu.github.io/DiRS/
https://mp.weixin.qq.com/s/kThlSqItIwuCFTIfC_-5lQ

Moving and Stationary TargetAcquisition and Recognition (MSTAR) 8class

图像大小类别数总样本数分辨率数据源发布时间发布组织
368 * 368 * 3894660.3mSTARLOS SAR1996Defense Advanced Research Projects Agency and the Air Force Research Laboratory

UCMerced_LandUse

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 32121 * 100 = 21001 footUSGS2010加利福尼亚大学

WHU-RS19

图像大小类别数总样本数分辨率数据源发布时间发布组织
600 * 600 * 31919 * 50± = 1005最高0.5 mGoogleEarth2012武汉大学

RSSCN7

图像大小类别数总样本数分辨率数据源发布时间发布组织
400 * 400 * 377 * 400 = 2800未知GoogleEarth2015武汉大学

RS_C11

图像大小类别数总样本数分辨率数据源发布时间发布组织
512 * 512 * 31110 * 100± = 1232约0.2mGoogleEarth2016中科院

NWPU-RESISC45

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 34545 * 700 = 315000.2~30mGoogleEarth2016西北工业大学

AID

图像大小类别数总样本数分辨率数据源发布时间发布组织
600 * 600 * 33030 * 300± = 100000.5~8mGoogleEarth2017武汉大学

GID

图像大小类别数总样本数分辨率数据源发布时间发布组织
56 * 56 * 4
56 * 56 * 3		1515 * 2000 = 30000未知高分22018武汉大学

RSD46-WHU

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 3461170000.5~2mGoogleEarth、天地图2017武汉大学

PatternNet

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 33838 * 800 = 304000.062~4.693mGoogleMap2018武汉大学

AIRS

图像大小类别数总样本数分辨率数据源发布时间发布组织
10000 * 10000 * 31857 train，94 val， 96 test0.075mLINZ Data Service2018University of Tokyo等

Satellite Images of Hurricane Damage

图像大小类别数总样本数数据源发布时间发布组织
128 * 128 * 3223000未知2018University of Washington等

How-to-make-high-resolution-remote-sensing-image-dataset

图像大小类别数总样本数数据源发布时间
256 * 256 * 355330.075m谷歌地球

OPTIMAL-31

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 33131* 60 = 1860未知GoogleEarth2019西北工业大学

WiDS Datathon 2019

图像大小类别数图像总数数据源发布时间发布组织分辨率
256 * 256 * 3111000trainPlanet2019Stanford3m

Continual Learning Benchmark for Remote Sensing Image Scene Classification (CLRS)

图像大小类别数图像总数数据源发布时间发布组织分辨率
256 * 256 * 32515,000Google Earth, Bing Map, Google Map, and Tianditu2020中南大学0.26 m to 8.85 m

SenseEarth Classify

图像大小类别数图像总数数据源发布时间发布组织分辨率
100 * 100 ~ 12655 * 12655 * 328~70000未知2020商汤科技0.2~153m

Multi-View Datasets，CV-BrCT

图像大小类别数图像总数数据源发布时间发布组织
500 * 475 * 3824171 * 2航空影像及地面街景影像2020Federal University of Minas Gerais

Multi-View Datasets，AiRound

图像大小类别数图像总数数据源发布时间发布组织
500 * 475 * 3113495 * 4Sentinel-2等多源数据2020Federal University of Minas Gerais

SIRI-WHU

SIRI-WHU：google

图像大小类别数总样本数分辨率数据源发布时间发布组织
200 * 200 * 31212 * 200 = 24002mGoogleEarth2016武汉大学

SIRI-WHU：USGS

图像大小类别数总样本数分辨率数据源发布时间发布组织
10000 * 9000 * 3412 footUSGS2016武汉大学

RSI-CB

RSI-CB128

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 345360000.3–3m多源2017中南大学

RSI-CB256

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 335240000.3–3m多源2017中南大学

SAT

SAT-4

图像大小类别数总样本数分辨率数据源发布时间发布组织备注
28 * 28 * 44500,0001-6mNAIP dataset2015路易斯安那州立大学与NASA采用MATLAB的.mat数据存储格式

SAT-6

图像大小类别数总样本数分辨率数据源发布时间发布组织备注
28 * 28 * 46405,0001-6mNAIP dataset2015路易斯安那州立大学与NASA采用MATLAB的.mat数据存储格式

V-RSIR

rs VArcGIS

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 338590710.07 ~ 19.11mArcGIS World Imagery2020中南大学

rs VBing

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 338589440.07 ~ 38.22mBing World Imagery2020中南大学

rs VGoogle

图像大小类别数总样本数分辨率数据源发布时间发布组织
256 * 256 * 338594040.075 ~ 9.555mVGoogle2020中南大学

rs sensetime

图像大小类别数总样本数分辨率数据源发布时间发布组织
100 * 100 * 3 ~
12655 * 12655 * 3		50600400.2~153m未知2020商汤科技SenseEarth

rscup

图像大小类别数总样本数数据源发布时间发布组织
512 * 512 * 345197,121未知2019rscup组委会

Planet: Understanding the Amazon from Space

图像大小类别数总样本数分辨率数据源发布时间发布组织备注
256 * 256 * 3
256 * 256 * 4		17404803mplant传感器2017Planet、SCCON公司多标签

brazilian coffee scenes

图像大小类别数总样本数分辨率数据源发布时间发布组织
64 * 64 * 322,876未知SPOT传感器2015米纳斯联邦大学

遥感影像目标检测

收集网络中开源的、关于遥感影像 目标检测的深度学习数据集

main ref

https://captain-whu.github.io/DiRS/
https://mp.weixin.qq.com/s/QGIFeriC3s0xvok-TVhmPQ
https://zhuanlan.zhihu.com/p/113579163

TAS

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
792 * 636 * 31301,319HBBGoogle Earth2008斯坦福大学

OIRDS

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
256~640 * 256~640 * 359001800约0.15mOBBUSGS、DARPA、VIVID2009雷神公司等

SZTAKI-INRIA Building Detection Benchmark

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
700± * 700± * 319665OBB未知2012MTA SZTAKI

UCAS_AOD

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
1000± * 1000± * 329766,950OBBGoogle Earth2014中科院

NWPU VHR-10

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
500~1100 * 500~1100 * 310151014,596HBBGoogle Earth、Vaihingen2014西北工业大学

HRSC2016

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
1100± * 1100± * 3271,0612,976OBBGoogle Earth2016西北工业大学

DLR3k

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
5616 * 3744 * 372014,2350.13mOBB无人机(Canon Eos 1Ds Mark III)2016德国航天航空中心

RSOD

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
1044~1288 * 915~992 * 349766,950HBBGoogle Earth、天地图2017武汉大学

TGRS-HRRSD

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
152~10569 * 152~10569 * 31321,76155,7400.15 ~ 1.2mHBBGoogle Earth、百度地图2017中科院

SSDD

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
500 * 500 * 31116024561~15mHBB、OBBRadarSat-2、TerraSAR-X、Sentinel-12017海军航空大学

OpenSARShip

类别数图像总数目标总数标注格式数据源发布时间发布组织
14111346ChipSentinel-12017上海交通大学

ships in satellite imagery

图像大小类别数图像总数目标总数数据源发布时间发布组织分辨率
80 * 80 * 3140001000+Planet2017Planet Team3m

LEVIR

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
800 * 600 * 3322,00011,0000.2∼1.0mHBBGoogle Earth2018北京航天航空大学

VisDrone2019-DET

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
500~2,000* 500~2,000 * 31010,20954,200HBB无人机数据2018天津大学

MASATI

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
512± * 512± * 377,389未知HBBBing Maps2018阿利坎特大学

ITCVD

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织备注
5616 * 3744 * 31135235430.1 mHBB航拍影像2018University of Twente Research Information标注为mat格式

DIOR

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
800 * 800 * 320234631902880.5 ~ 30 mHBBGoogle Earth2019西北工业大学

AIR-SARShip

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
1000 * 1000 * 3130020401~3mHBB高分32019《雷达学报》编辑部

SAR-Ship

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
256 * 256 * 3121043,8191.7~25mHBB高分3、哨兵12019中科院

iSAID

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
800~13, 000 * 800~13, 000 * 3152,806655,451OBBGoogle Earth、JL-1、GF-22019武汉大学

Bridge Dataset

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
4800 * 2843 * 31500500+HBBGoogle Earth、 OpenStreetMap2019Federal University of Minas Gerais

HRSID

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
800 * 800 * 315604169510.5~3 mHBBSentinel-1B、TerraSAR-X、TanDEM-X2020电子科技大学

RarePlanes

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织分辨率
512 * 512 * 3101244 train，263 test~14,700HBBWorldView-32020In-Q-Tel、AI.Reverie0.3~1.5m

FAIR1M

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织分辨率
1000~10000 * 1000~10000 * 33615000+100 0000+OBBGaofen satellites、Google Earth2021中科院等0.3 ~ 0.8m

VEDAI

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
512 * 512 * 4
1024 * 1024 * 4		9121036400.125mOBBUtah AGRC2015卡昂大学

DOTA

DOTA1.0

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
800~4000 * 800~4000 * 3152806188282OBBGoogle Earth、高分2、吉林12018武汉大学

DOTA1.5

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
800~4000 * 800~4000 * 3162806400000±OBBGoogle Earth、高分2、吉林12019武汉大学

SZTAKI-INRIA

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
800± * 800±19665OBB未知2012MTA SZTAKI、INRIA Sophia-Antipolis

COWC

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
2,000~19,000 * 2,000~19,00015332,7160.15mone dotUtah2016劳伦斯利弗莫尔国家实验室

Functional Map of the World Challenge

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
4bands
8bands		63311,000,000one dotUtah2016劳伦斯利弗莫尔国家实验室

CARPK

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
未知11,573106,233未知无人机2017台湾国立大学

rscup

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织
1024 * 1024 * 318未知未知OBBGF, JL, Google Earth, Aerial2019rscup组委会

planet-understanding-the-amazon-from-space

airbus-ship-detection

Open AI Tanzania Building Footprint Segmentation Challenge

MAFAT Challenge - Fine-Grained Classification of Objects from Aerial Imagery

遥感影像图像分割

收集网络中开源的、关于遥感影像 图像分割的深度学习数据集

main ref

https://captain-whu.github.io/DiRS/
https://mp.weixin.qq.com/s/x-sgus9bJz7esbsRvb-IfA
https://www.dlr.de/eoc/en/desktopdefault.aspx/tabid-12760/
http://www.patreo.dcc.ufmg.br/category/downloads/datasets/

Massachusetts Roads

图像大小类别数图像总数数据源发布时间发布组织
1500 * 1500 * 31804航空影像2013University of Toronto

Massachusetts Builds

图像大小类别数图像总数数据源发布时间发布组织
1500 * 1500 * 31151航空影像2013University of Toronto

Zurich Summer

图像大小类别数图像总数数据源发布时间发布组织分辨率
600~1600 * 600~1600 * 4820QuickBird2015The University of Edinburgh, Scotland (UK)0.62m

ERM-PAIW

图像大小类别数图像总数数据源发布时间发布组织
4000± * 4000± * 3141航空影像2015German Aerospace Center (DLR)

HD-Maps

图像大小类别数图像总数数据源发布时间发布组织
4000± * 4000± * 3420航空影像2016German Aerospace Center (DLR)

BDCI2017

图像大小类别数图像总数数据源发布时间发布组织
8000± * 8000± * 355未知2017BDCI

Learning Aerial Image Segmentation From Online Maps

图像大小类别数图像总数数据源发布时间发布组织
3000± * 3000± * 321671Google Maps、OpenStreetMap2017TH Zürich

2018 Open AI Tanzania Building Footprint Segmentation Challenge(TBF)

图像大小类别数图像总数数据源发布时间发布组织
40000± * 40000± * 3113航空影像2018SUZA

WHDLD

图像大小类别数图像总数数据源发布时间发布组织
256 * 256 * 364940UC Merced2018武汉大学

DLRSD

图像大小类别数图像总数数据源发布时间发布组织
256 * 256 * 3212100USGS National Map2018武汉大学

DeepGlobe Land Cover Classification Challenge

图像大小类别数图像总数数据源发布时间发布组织分辨率
2448 * 2448 * 37803DigitalGlobe2018CVPR0.5m

DeepGlobe Road Detection Challenge

图像大小类别数图像总数数据源发布时间发布组织
1024 * 1024 * 316,226DigitalGlobe2018CVPR

Aeroscapes

图像大小类别数图像总数数据源发布时间发布组织
720 * 720 * 3113269航空影像2018Carnegie Mellon University

Map Challenge

图像大小类别数图像总数数据源发布时间发布组织标注格式
300 * 300 * 31341,058Google Map2018crowdAIjson

38-Cloud: A Cloud Segmentation Dataset

图像大小类别数图像总数数据源发布时间发布组织
384* 384 * 418400Landsat 82018Science Simon Fraser University

WHU Building Dataset,Satellite dataset Ⅰ (global cities)

图像大小类别数图像总数数据源发布时间发布组织分辨率
512 * 512 * 31204QuickBird, Worldview series, IKONOS, ZY-32019武汉大学0.3 ~ 2.5m

WHU Building Dataset,Satellite dataset Ⅱ (East Asia)

图像大小类别数图像总数数据源发布时间发布组织分辨率
512 * 512 * 3117388QuickBird, Worldview series, IKONOS, ZY-32019武汉大学0.45 m

WHU Building Dataset,Aerial imagery dataset

图像大小类别数图像总数数据源发布时间发布组织分辨率
512 * 512 * 318,189未知2019武汉大学0.3 m

DroneDeploy

图像大小类别数图像总数数据源发布时间发布组织分辨率
6000± * 6000± * 3735 train, 8 val, 12 test航空影像drones2019DroneDeploy0.1 m

RoadTracer

图像大小类别数图像总数数据源发布时间发布组织分辨率
4096 * 4096 * 313000Google earth、OSM2019MIT0.6m

Land Cover from Aerial Imagery（landcover_ai）

图像大小类别数图像总数数据源发布时间发布组织分辨率
9000 * 9500 * 3，4200 * 4700 * 3341public geodetic resource2020linuxpolska0.25m，0.5m

UAVid

图像大小类别数图像总数数据源发布时间发布组织
4096 * 2160 * 3 or 3840 * 2160 * 38300航空影像2020University of Twente

95-Cloud: An Extension to 38-Cloud Dataset

图像大小类别数图像总数数据源发布时间发布组织
384 * 384 * 4134,701Landsat 82020Simon Fraser University

AI+遥感影像

图像大小类别数图像总数数据源发布时间发布组织
256 * 256 * 38100000未知2020全国人工智能大赛组委会

BDCI2020

图像大小类别数图像总数数据源发布时间发布组织
256 * 256 * 37145981未知2020BDCI

mini Inria Aerial Image Labeling Dataset

图像大小类别数图像总数数据源发布时间发布组织分辨率
512 * 512 * 3130000 train, 2500 test航空影像2021天池大赛0.3 m

ISPRS 2D Semantic Labeling Contest

Postdam

图像大小类别数图像总数数据源发布时间发布组织分辨率
6000 * 6000 * 3638航空影像2012ISPRS0.05m

Vaihingen

图像大小类别数图像总数数据源发布时间发布组织分辨率
1000~4000 * 1000~4000 * 3633航空影像2012ISPRS0.09m

GID

GID Fine Land-cover Classification_15classes

图像大小类别数图像总数数据源发布时间发布组织分辨率
7200 * 6800 * 4
7200 * 6800 * 3		1510高分22018武汉大学0.8 to 10m

GID Large-scale Classification_5classes

图像大小类别数图像总数数据源发布时间发布组织分辨率
7200 * 6800 * 4
7200 * 6800 * 3		5150高分22018武汉大学0.8 to 10m

UDD

UDD5

图像大小类别数图像总数数据源发布时间发布组织
4096± * 2160± * 35120 trian，40 val无人机数据（DJI Phantom 4）2018北京大学

UDD6

图像大小类别数图像总数数据源发布时间发布组织
4096± * 2160± * 36106 trian，35 val无人机数据（DJI Phantom 4）2018北京大学

BH-DATASET

BH-POOLS

图像大小类别数图像总数数据源发布时间发布组织
3840 * 2160 * 31200GoogleEarth2020Federal University of Minas Gerais

BH-WATERTANKS

图像大小类别数图像总数数据源发布时间发布组织
3840 * 2160 * 31200GoogleEarth2020Federal University of Minas Gerais

Inria Aerial Image Labeling Dataset

图像大小类别数图像总数数据源发布时间发布组织分辨率
未知1未知航空影像2017Inria Sophia Antipolis - Mediterran ee, TITANE team; Inria Saclay, TAO team, France0.3 m

rscup

图像大小类别数图像总数数据源发布时间发布组织分辨率
7200 * 6800 * 416train 8, val 2, test 10高分二号MSS影像2019rscup组委会4 m

suichang dataset

图像大小类别数图像总数数据源发布时间发布组织分辨率
256 * 256 * 41016017高分系列2021浙江大学、天池大赛0.8~ 2m

LRSNY

图像大小类别数图像总数数据源发布时间发布组织分辨率
1000 * 1000 * 31716 train, 220 val, 432 test未知2021IEEE0.5 m

遥感影像变化检测

收集网络中开源的、关于遥感影像 变化检测的深度学习数据集

main ref

https://captain-whu.github.io/DiRS/
https://mp.weixin.qq.com/s/GN9SEztb61cm0ukn81SzbgA

SZTAKI-INRIA AirChange

图像大小类别数图像总数数据源发布时间发布组织分辨率
952 * 640 * 3, 2 time113 * 2未知2009MTA SZTAKI1.5m

AIST Building Change Detection(ABCD)

fixed-scale

图像大小类别数图像总数数据源发布时间发布组织分辨率
160 * 160 * 6, 2 time14,253 * 2aerial images2017AIST1.5m

resized

图像大小类别数图像总数数据源发布时间发布组织
128 * 128 * 3, 2 time14,223 * 2aerial images2017AIST

WHU Building Change Detection Dataset

图像大小类别数图像总数数据源发布时间发布组织分辨率
32,207 * 15,354 * 3, 2 time11 * 2航空影像2018武汉大学0.2m

season-varying

图像大小类别数图像总数数据源发布时间发布组织分辨率
256 * 256 * 3, 2 time110000train, 3000val, 3000testGoogle Earth (DigitalGlobe)2018GosNIIAS0.03~1m

Onera Satellite Change Detection (OSCD)

图像大小类别数图像总数数据源发布时间发布组织
600± * 600± * 13, 2 time114 * 2 train, 10 * 2 testSentinel-22018Universit´e Paris-Saclay、 T´el´ecom ParisTech

Multi-temporal Scene WuHan (MtS-WH)

图像大小类别数图像总数数据源发布时间发布组织
7200 * 6000 * 4，2 time9190 * 2IKONOS传感器2019武汉大学

High Resolution Semantic Change (HRSCD)

图像大小类别数图像总数数据源发布时间发布组织分辨率
10000 * 10000 * 3, 2 time6291IGS’s BD ORTHO database2019ETH Zürich / EcoVision Lab0.5 m

xBD

图像大小类别数图像总数数据源发布时间发布组织
1024 * 1024, 3/4/8 band, 4 state422068DigitalGlobe2020MIT

Google dataset

图像大小类别数图像总数数据源发布时间发布组织分辨率
1000~5000 * 1000~5000 * 3, 2 time120Google Earth2020ieee0.55 m

LEVIR-CD

图像大小类别数图像总数数据源发布时间发布组织分辨率
1024 * 1024 * 3, 2 time1637Google Earth2020北京航空航天大学0.5 m

SenseEarth ChangeDetection

图像大小类别数图像总数数据源发布时间发布组织分辨率
512 * 512 * 3, 2 time62968 train, 847 val未知2020商汤科技0.5~3m

SEmantic Change detectiON Data(SECOND)

图像大小类别数图像总数数据源发布时间发布组织
512 * 512 * 3, 2 time64662 * 2未知2020武汉大学

rscup

图像大小类别数图像总数数据源发布时间发布组织
960 * 960 * 4, 2 time1未知未知2020rscup组委会

遥感影像场景分类——多/高光谱

收集网络中开源的、关于高光谱遥感影像 图像分类的深度学习数据集

EuroSAT

图像大小类别数总样本数分辨率数据源发布时间发布组织
64 * 64 * 3
64 * 64 * 13		1027,00010 m哨兵22018德国凯泽斯劳滕大学

TG1HRSSC

图像大小类别数图像总数数据源发布时间发布组织波谱范围空间分辨率
512 * 512 * 1，512 * 512 * 54，512 * 512 * 529204天宫一号2021中国科学院空间应用工程与技术中心0.5—0.8μm、1band(PAN), 0.4—1.0μm、54band((VNI), 1.0—2.5μm、52band((SWI),5m(PAN), 10m(VNI), 20m(SWI)

NaSC-TG2

图像大小类别数图像总数数据源发布时间发布组织波谱范围空间分辨率
128 * 128 * 3， 128 * 128 * 141020000天宫二号2021中国科学院空间应用工程与技术中心0.40–1.04 µm

遥感影像目标检测——多/高光谱

收集网络中开源的、关于高光谱遥感影像 图像分类的深度学习数据集

Dstl Satellite Imagery Feature Detection

图像大小类别数图像总数目标总数标注格式数据源发布时间发布组织分辨率
13348 * 3392 * 3，837 * 848 * 8，134 * 136 * 81025 train, 32 test250+MultiPolygonsWorldView 32017DigitalGlobe全色0.31 m, 多光谱1.24 m, 短波红外7.5 m

xView

图像大小类别数图像总数目标总数分辨率标注格式数据源发布时间发布组织
3000± * 3000± * 3
3000± * 3000± * 8		6011291,000,0000.3mHBBWorldView 32018DIUx、NGA

遥感影像语义分割——多/高光谱

收集网络中开源的、关于高光谱遥感影像 图像分割的深度学习数据集

main ref

https://mp.weixin.qq.com/s/S_TEoWyYFtdjtDeEXmpBPg
http://www.ehu.eus/ccwintco/index.php/Hyperspectral_Remote_Sensing_Scenes

Salinas

Salinas scene

图像大小类别数图像总数数据源发布时间发布组织
512 * 217 * 224161AVIRIS sensor2011未知

Salinas-A scene

图像大小类别数图像总数数据源发布时间发布组织
83 * 86 * 22461AVIRIS sensor2011未知

Pavia Centre and University

Pavia Centre scene

图像大小类别数图像总数数据源发布时间发布组织波谱范围
1096 * 1096 * 10291ROSIS sensor2011NPavia university0.43-0.86μm

Pavia University scene

图像大小类别数图像总数数据源发布时间发布组织波谱范围
610 * 610 * 10391ROSIS sensor)2011Pavia university0.43-0.86μm

Washington DC MALL

图像大小类别数图像总数数据源发布时间发布组织波谱范围
1280 * 307 * 19171机载高光谱数据2013Spectral Information Technology Application Center of Virginia0.4到2.4 µm

IKennedy Space Center (KSC)

图像大小类别数图像总数数据源发布时间发布组织波谱范围
512 * 614 * 176131NASA AVIRIS2014Pavia university400–2500 nm

Botswana

图像大小类别数图像总数数据源发布时间发布组织波谱范围
1476 * 256 * 145141Hyperion sensor on EO-12014未知未知

Indian Pines

图像大小类别数图像总数数据源发布时间发布组织波谱范围
145 * 145 * 224；614 * 1848 * 224；2678 * 614 * 224163AVIRIS sensor2015Pursue univeristy400–2500 nm

HyRANK

图像大小类别数图像总数数据源发布时间发布组织
250± * 1000± * 176142train, 3valHyperion sensor (EO-1, USGS)2018National Technical University of Athen

遥感影像多标签分类

MLRSNet

图像大小类别数图像总数数据源发布时间发布组织分辨率最大标签数
256 * 256 * 346109,161Google Earth2020中国地质大学0.1~10m13

BigEarthNet

图像大小类别数总样本数分辨率数据源发布时间发布组织备注
120 * 120
60 * 60
20 * 20;		4359032610 m
20 m
60m		哨兵22019柏林工业大学多标签


变化检测

4）Change Detection Dataset

size：984*740；600*500；390*200

Num：3pic* 2time

https://gitlab.citius.usc.es/hiperespectral/ChangeDetectionDataset

5） River Dataset

size：463*241

Num：1pic * 2time 

https://arxiv.org/abs/1905.01662v1

https://share.weiyun.com/5ugrczK

6）WHU ： Building change detection dataset

class：build， 12796——>16077 buildings

https://study.rsgis.whu.edu.cn/pages/download/building_dataset.html

7）Season-varying Change Detection Dataset

size：4715*2700

Num：7pic*2time

https://drive.google.com/file/d/1GX656JqqOyBi_Ef0w65kDGVto-nHrNs9/edit

*）Urban Atlas Change 2012-2018

https://land.copernicus.eu/local/urban-atlas/urban-atlas-change-2012-2018

*）High Resolution Change Detection

http://www.pshrcd.com/#/intro

实例分割

1）iSAID

Num：15classes，2806pic，655451instances

https://captain-whu.github.io/iSAID/

目标跟踪

1）Dataset-UAV-123

https://hyper.ai/datasets/5154

https://hyper.ai/tracker/magnet?torrent=7087

图像标题 / Image caption

1）RSICD

Size：224*224

Num：10921pic，5sentences/pic

https://github.com/201528014227051/RSICD_optimal

http://pan.baidu.com/s/1bp71tE3

https://drive.google.com/open?id=0B1jt7lJDEXy3aE90cG9YSl9ScUk

2）UCM Captions

Num：2100pic，5sentences/pic

https://pan.baidu.com/s/1mjPToHq

https://github.com/201528014227051/RSICD_optimal

3）Sydney Captions

Num：613pic，5sentences/pic

https://pan.baidu.com/s/1hujEmcG

https://github.com/201528014227051/RSICD_optimal

其他

DLR Earth Observation Center

包括：

  • DLR-SkyScapes: Aerial Semantic Segmentation Dataset for HD-mapping

  • DLR’s Aerial Crowd Dataset (DLR-ACD)

  • DLR Multi-class Vehicle Detection and Orientation in Aerial Imagery (DLR-MVDA)

  • Enhancing Road Maps by Parsing Aerial Images around the World (ERM-PAIW)

  • Fine-grained Road Segmentation by Parsing Ground and Aerial Images (HD-Maps)

  • Multi-Sensor Land-Cover Classification (MSLCC)

需要邮件申请

https://www.dlr.de/eoc/en/desktopdefault.aspx/tabid-12760

SpaceNet Challenge

包括：

https://spacenetchallenge.github.io/datasets/datasetHomePage.html

需要使用AMS公共数据集访问下载

TAILEMI
关注
  • 4
    点赞
  • 踩
  • 70
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
常用机器学习遥感与其他数据集
haoji007的博客
08-15 1060
版权 高光谱遥感数据 Indian Pines Salinas scene/Salinas-A scene Pavia Centre scene/Pavia University scene/Cuprite Kennedy Space Center (KSC) Botswana NWPU-RESISC45 dataset UC Merced Land Use Dataset DataSet: WHU-RS19 另一些高光谱遥感数据 别人总结的：zhangbin总结的遥感数据集（比较全）
MSTAR数据集.zip
04-04
解压后有两个文件夹，一个train，一个test，两个文件夹都有十个子目录，分别是十类目标的SAR图像，图像为100*100的灰度图像
MSTAR数据集，分为十类
04-13
该实验数据采用美国国防高等研究计划署(DARPA)支持的MSTAR计划所公布的实测SAR地面静止目标数据，无论是在国内还是国际上，针对SAR图像目标识别的研究基本上是基于该数据集而展开的。采集该数据集的传感器为高分辨率的聚束式合成孔径雷达，该雷达的分辨率为0.3m×0.3m。工作在X波段，所用的极化方式为HH极化方式。对采集到的数据进行前期处理，从中提取出像素大小为128×128包含各类目标的切片图像。该数据大多是静止车辆的SAR切片图像，包含多种车辆目标在各个方位角下获取到的目标图像。在该数据集中包含一个该计划推荐使用的训练集和测试集。训练集是雷达工作俯仰角为17时所得到的目标图像数据，包括3大类:BTR70（装甲运输车），BMP2（步兵战车），T72（坦克）；测试集是雷达工作俯仰角为时所得到的目标图像数据，该数据集也包含3大类，BMP2、T72、BTR70。各种类别的目标还具有不同的型号，同类但不同型号的目标在配备上有些差异，但总体散射特性相差不大。
【持续更新中！气象数据集汇总】气象局首次发布训练数据目录！CAMELS 美国天文气象数据集等上线官网
最新发布
HyperAI超神经
05-30 666
该数据集为论文 「Global prediction of extreme floods in ungauged watersheds」的研究数据，主要内容为 AI 模型生成的洪水重新分析 (1984-2021) 和重新预测 (2014-2021) 数据以及相应的 GloFAS 基准数据。数据集可鼓励在天气领域进行机器学习研究，方便在理解和减轻气候变化影响方面的工作。SEVIR 将多种天气传感模式组合并整合成一个单一的、可访问的数据集，该数据集可在云端免费访问，可供气象学家、数据科学家和其他研究人员使用。
高光谱遥感数据库Kennedy Space Center (KSC)
02-08
The NASA AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) instrument acquired data over the Kennedy Space Center (KSC), Florida, on March 23, 1996. AVIRIS acquires data in 224 bands of 10 nm width with center wavelengths from 400 - 2500 nm. The KSC data, acquired from an altitude of approximately 20 km, have a spatial resolution of 18 m. After removing water absorption and low SNR bands, 176 bands were used for the analysis. Training data were selected using land cover maps derived from color infrared photography provided by the Kennedy Space Center and Landsat Thematic Mapper (TM) imagery. The vegetation classification scheme was developed by KSC personnel in an effort to define functional types that are discernable at the spatial resolution of Landsat and these AVIRIS data. Discrimination of land cover for this environment is difficult due to the similarity of spectral signatures for certain vegetation types. For classification purposes, 13 classes representing the various land cover types that occur in this environment were defined for the site
【自监督论文阅读笔记】Geography-Aware Self-Supervised Learning
YoooooL_的博客
11-01 772
对比学习方法在计算机视觉任务上显著 缩小了有监督学习和无监督学习之间的差距。在本文中，探讨了它们，例如遥感，其中未标记的数据通常很丰富，但标记的数据很少。本文首先表明，由于它们的不同特点，在标准基准上的对比学习 和 监督学习之间存在着。为了缩小差距，本文利用 遥感数据 时空结构 的新训练方法。本文利用随着时间 空间对齐的图像在对比学习中构建时间正对，和利用地理位置来设计前置任务。实验表明，本文提出的方法。此外，本文证明了所提出的方法也可以应用于 地理标记的 ImageNet 图像。
提升复杂场景三维重建精度 | 基于PaddleSeg分割无人机遥感影像
PaddlePaddle
07-04 615
使用飞桨图像分割开发套件PaddleSeg中提供的SegFormer模型对论文的数据集进行训练，为SfM提供更精确和稳定的语义约束。
基于卷积神经网络和合成目标的星载红外图像舰船检测
weixin_42180950的博客
01-28 1616
这篇文章会让你大长见识，当然也不是一般实验条件能做的，我是第一次见到逆卷积这样操作的。另外就是结构非常值得学习，总分结构特别有条理，能用条说的绝不写成一片文字。 题目：Ship detection in spaceborne infrared images based on Convolutional Neural 摘要：星载红外图像的舰船检测在军事和民事应用都非常重要，因为它的检测无关天气。...
遥感影像地块分割模型训练数据集.zip
05-07
总的来说，"遥感影像地块分割模型训练数据集.zip"提供了进行深度学习驱动的遥感影像地块分割研究的基础。通过合理的设计和训练，我们可以构建出高效的模型，服务于环境保护、城市规划等多个领域。对于参赛者或研究...
基于深度学习高分辨率遥感影像语义分割
05-06
实验结果表明, 在对优化器、学习率和损失函数适当调整的基础上, 使用扩充后的数据集进行训练, 对遥感影像验证集的分割精确度达到95%左右, 相对于DeconvNet和UNet网络模型分割精确度有显著提升.
深度学习之图像分割数据集：大分辨率下的遥感影像道路图像分割数据集（划分了训练集和测试集）
03-26
项目包含：大分辨率下的遥感影像道路图像分割数据集DeepGlobe Road Datas（划分了训练集和测试集） 数据集为遥感图像道路图像分割数据集，已经做了数据集的划分。前景像素标注极好，可以用作分割网络测试数据 数据...
Salinas_ 高光谱遥感数据集
04-01
很实用的用于高光谱遥感图像分类Salinas数据集，欢迎下载
高光谱遥感影像分类数据集.rar
01-26
本数据集"高光谱遥感影像分类数据集.rar"是专门为这类任务设计的，特别适合于深度学习模型的训练和验证。 高光谱遥感影像的特点在于其每个像素包含了连续的多个光谱波段，这远超出了传统RGB彩色图像的三个波段。...
荷兰耕地语义分割遥感影像数据集，已经标注完成
12-19
本文将深入探讨“荷兰耕地语义分割遥感影像数据集”这一资源，以及它对相关领域的价值。 首先，让我们了解什么是语义分割。在计算机视觉和图像处理中，语义分割是将图像的每个像素分配到特定类别或对象的过程。它...
常用的高光谱遥感影像数据集（详细介绍+下载链接）
热门推荐
JavaYoung123的博客
01-26 3万+
常用的高光谱遥感影像数据集前言数据集Indian PinesSalinasPavia Centre and UniversityPavia CentrePavia UniversityKennedy Space Center (KSC)Botswana下载链接 前言 博主最近在做基于卷积神经网络的高光谱遥感影像分类的研究，所以简要介绍一下常用的高光谱遥感影像数据集。 （1）什么是高光谱遥感？ 高光谱分辨率遥感是用很窄而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)
近50个航空影像数据集
xunan003的博客
07-26 3427
原文链接：https://www.cnblogs.com/jeshy/p/14793363.html 1. UAVDT(Unmanned Aerial Vehicle Benchmark Object Detection and Tracking) https://sites.google.com/view/grli-uavdt/ 2. UA-DETRAC(UA-DETRAC is a challenging real-world multi-object detection and multi-obje
SAR目标检测数据集汇总
WD
09-13 2万+
SAR目标检测数据集汇总 文章目录SAR目标检测数据集汇总1. MSTAR （1996）2. OpenSARShip2.0 （2017）3. SSDD / SSDD+ （2020）4. AIR-SARShip2.0 （2019）5. SAR-Ship-Dataset （2019）6. HRSID （2020）结尾 遥感数据集汇总链接 随着深度学习在计算机视觉（CV）领域的突破，SAR图像目标检测领域也开始采用这些深度学习算法，虽然和光学图像成像机理不同，但是可以借鉴CV领域的优秀算法进行改进，目前也有很多
SAR舰船检测数据集总结
lyp82nlf666的博客
11-12 1万+
SAR舰船检测数据集总结
【转载】遥感影响数据集整理
qq_42779103的博客
12-06 9937
前言 【转载】：遥感影像数据集汇总 - 飞桨AI Studio - 人工智能学习实训社区 (baidu.com) 在使用深度学习处理遥感影像的过程中，经常在数据集上遇到各种问题： 找不到针对自己任务的数据集 数据集网址404或龟速下载 数据集在空间分辨率、图像尺寸等方面不符合需求 现在，遥感影像数据集汇总 项目可以助你解决上述问题。 该项目是一个遥感影像领域常用的深度学习数据集的汇总，包括数据集基本信息，并附上数据集源地址与Aistudi备份链接（包括详细的类别信息，提供高速下载）。 目前本项目共收录
制作遥感影像深度学习数据集
05-26
6. 数据存储：将处理好的数据集存储到硬盘或云端存储中，以供深度学习模型训练使用。 需要注意的是，数据集的制作过程需要耗费大量时间和精力，并且需要专业的技能和知识。建议在制作数据集前，先了解相关的知识和...

“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 2
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