收集网络上公开的遥感数据集,欢迎补充
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 * 3 | 8 | 9466 | 0.3m | STARLOS SAR | 1996 | Defense 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 * 3 | 21 | 21 * 100 = 2100 | 1 foot | USGS | 2010 | 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 * 3 | 19 | 19 * 50± = 1005 | 最高0.5 m | GoogleEarth | 2012 | 武汉大学 |
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 * 3 | 7 | 7 * 400 = 2800 | 未知 | GoogleEarth | 2015 | 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 * 3 | 11 | 10 * 100± = 1232 | 约0.2m | GoogleEarth | 2016 | 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 * 3 | 45 | 45 * 700 = 31500 | 0.2~30m | GoogleEarth | 2016 | 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 * 3 | 30 | 30 * 300± = 10000 | 0.5~8m | GoogleEarth | 2017 | 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 | 15 | 15 * 2000 = 30000 | 未知 | 高分2 | 2018 | 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 * 3 | 46 | 117000 | 0.5~2m | GoogleEarth、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 * 3 | 38 | 38 * 800 = 30400 | 0.062~4.693m | GoogleMap | 2018 | 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 * 3 | 1 | 857 train,94 val, 96 test | 0.075m | LINZ Data Service | 2018 | University 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 * 3 | 2 | 23000 | 未知 | 2018 | University 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 * 3 | 5 | 533 | 0.075m | 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 * 3 | 31 | 31* 60 = 1860 | 未知 | GoogleEarth | 2019 | 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 * 3 | 1 | 11000train | Planet | 2019 | Stanford | 3m |
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 * 3 | 25 | 15,000 | Google Earth, Bing Map, Google Map, and Tianditu | 2020 | 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 * 3 | 28 | ~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 * 3 | 8 | 24171 * 2 | 航空影像及地面街景影像 | 2020 | Federal 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 * 3 | 11 | 3495 * 4 | Sentinel-2等多源数据 | 2020 | Federal 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 * 3 | 12 | 12 * 200 = 2400 | 2m | GoogleEarth | 2016 | 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 * 3 | 4 | 1 | 2 foot | USGS | 2016 | 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 * 3 | 45 | 36000 | 0.3–3m | 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 * 3 | 35 | 24000 | 0.3–3m | 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 * 4 | 4 | 500,000 | 1-6m | NAIP dataset | 2015 | 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 * 4 | 6 | 405,000 | 1-6m | NAIP dataset | 2015 | 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 * 3 | 38 | 59071 | 0.07 ~ 19.11m | ArcGIS World Imagery | 2020 | 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 * 3 | 38 | 58944 | 0.07 ~ 38.22m | Bing World Imagery | 2020 | 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 * 3 | 38 | 59404 | 0.075 ~ 9.555m | VGoogle | 2020 | 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 | 50 | 60040 | 0.2~153m | 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 * 3 | 45 | 197,121 | 未知 | 2019 | rscup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 | 17 | 40480 | 3m | plant传感器 | 2017 | Planet、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 * 3 | 2 | 2,876 | 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 * 3 | 1 | 30 | 1,319 | HBB | Google Earth | 2008 | 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 * 3 | 5 | 900 | 1800 | 约0.15m | OBB | USGS、DARPA、VIVID | 2009 | 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± * 3 | 1 | 9 | 665 | OBB | 未知 | 2012 | MTA 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± * 3 | 2 | 976 | 6,950 | OBB | Google Earth | 2014 | 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 * 3 | 10 | 1510 | 14,596 | HBB | Google Earth、Vaihingen | 2014 | 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± * 3 | 27 | 1,061 | 2,976 | OBB | Google Earth | 2016 | 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 * 3 | 7 | 20 | 14,235 | 0.13m | OBB | 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 * 3 | 4 | 976 | 6,950 | HBB | Google 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 * 3 | 13 | 21,761 | 55,740 | 0.15 ~ 1.2m | HBB | Google 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 * 3 | 1 | 1160 | 2456 | 1~15m | HBB、OBB | RadarSat-2、TerraSAR-X、Sentinel-1 | 2017 | 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 |
---|
1 | 41 | 11346 | Chip | Sentinel-1 | 2017 | 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 * 3 | 1 | 4000 | 1000+ | Planet | 2017 | Planet Team | 3m |
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 * 3 | 3 | 22,000 | 11,000 | 0.2∼1.0m | HBB | Google Earth | 2018 | 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 * 3 | 10 | 10,209 | 54,200 | HBB | 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± * 3 | 7 | 7,389 | 未知 | HBB | Bing Maps | 2018 | 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 * 3 | 1 | 135 | 23543 | 0.1 m | HBB | 航拍影像 | 2018 | University 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 * 3 | 20 | 23463 | 190288 | 0.5 ~ 30 m | HBB | Google Earth | 2019 | 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 * 3 | 1 | 300 | 2040 | 1~3m | HBB | 高分3 | 2019 | 《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 * 3 | 1 | 210 | 43,819 | 1.7~25m | HBB | 高分3、哨兵1 | 2019 | 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 * 3 | 15 | 2,806 | 655,451 | OBB | Google Earth、JL-1、GF-2 | 2019 | 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 * 3 | 1 | 500 | 500+ | HBB | Google Earth、 OpenStreetMap | 2019 | Federal 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 * 3 | 1 | 5604 | 16951 | 0.5~3 m | HBB | Sentinel-1B、TerraSAR-X、TanDEM-X | 2020 | 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 * 3 | 10 | 1244 train,263 test | ~14,700 | HBB | WorldView-3 | 2020 | In-Q-Tel、AI.Reverie | 0.3~1.5m |
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 * 3 | 36 | 15000+ | 100 0000+ | OBB | Gaofen satellites、Google Earth | 2021 | 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 | 9 | 1210 | 3640 | 0.125m | OBB | Utah AGRC | 2015 | 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 * 3 | 15 | 2806 | 188282 | OBB | Google Earth、高分2、吉林1 | 2018 | 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 * 3 | 16 | 2806 | 400000± | OBB | Google Earth、高分2、吉林1 | 2019 | 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± | 1 | 9 | 665 | OBB | 未知 | 2012 | MTA 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 * 2,000~19,000 | 1 | 53 | 32,716 | 0.15m | one dot | Utah | 2016 | 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 | 63 | 31 | 1,000,000 | one dot | Utah | 2016 | 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 | 1 | 1,573 | 106,233 | 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 * 3 | 18 | 未知 | 未知 | OBB | GF, JL, Google Earth, Aerial | 2019 | rscup组委会 |
planet-understanding-the-amazon-from-space
airbus-ship-detection
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 * 3 | 1 | 804 | 航空影像 | 2013 | University 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 * 3 | 1 | 151 | 航空影像 | 2013 | University 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 * 4 | 8 | 20 | QuickBird | 2015 | The 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± * 3 | 1 | 41 | 航空影像 | 2015 | German 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± * 3 | 4 | 20 | 航空影像 | 2016 | German 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± * 3 | 5 | 5 | 未知 | 2017 | BDCI |
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± * 3 | 2 | 1671 | Google Maps、OpenStreetMap | 2017 | TH Zürich |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|
40000± * 40000± * 3 | 1 | 13 | 航空影像 | 2018 | SUZA |
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 * 3 | 6 | 4940 | UC Merced | 2018 | 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 * 3 | 21 | 2100 | USGS National Map | 2018 | 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 * 3 | 7 | 803 | DigitalGlobe | 2018 | CVPR | 0.5m |
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 * 3 | 1 | 6,226 | DigitalGlobe | 2018 | CVPR |
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 * 3 | 11 | 3269 | 航空影像 | 2018 | Carnegie 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 * 3 | 1 | 341,058 | Google Map | 2018 | crowdAI | json |
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 * 4 | 1 | 8400 | Landsat 8 | 2018 | Science 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 * 3 | 1 | 204 | QuickBird, Worldview series, IKONOS, ZY-3 | 2019 | 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 * 3 | 1 | 17388 | QuickBird, Worldview series, IKONOS, ZY-3 | 2019 | 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 * 3 | 1 | 8,189 | 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± * 3 | 7 | 35 train, 8 val, 12 test | 航空影像drones | 2019 | DroneDeploy | 0.1 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 * 3 | 1 | 3000 | Google earth、OSM | 2019 | MIT | 0.6m |
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 * 3 | 3 | 41 | public geodetic resource | 2020 | linuxpolska | 0.25m,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 * 3 | 8 | 300 | 航空影像 | 2020 | University 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 * 4 | 1 | 34,701 | Landsat 8 | 2020 | Simon 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 * 3 | 8 | 100000 | 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 * 3 | 7 | 145981 | 未知 | 2020 | BDCI |
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 * 3 | 1 | 30000 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 * 3 | 6 | 38 | 航空影像 | 2012 | ISPRS | 0.05m |
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 * 3 | 6 | 33 | 航空影像 | 2012 | ISPRS | 0.09m |
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 | 15 | 10 | 高分2 | 2018 | 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 | 5 | 150 | 高分2 | 2018 | 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± * 3 | 5 | 120 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± * 3 | 6 | 106 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 * 3 | 1 | 200 | GoogleEarth | 2020 | Federal 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 * 3 | 1 | 200 | GoogleEarth | 2020 | Federal 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 | 2017 | Inria Sophia Antipolis - Mediterran ee, TITANE team; Inria Saclay, TAO team, France | 0.3 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 * 4 | 16 | train 8, val 2, test 10 | 高分二号MSS影像 | 2019 | rscup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 * 4 | 10 | 16017 | 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 * 3 | 1 | 716 train, 220 val, 432 test | 未知 | 2021 | IEEE | 0.5 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 time | 1 | 13 * 2 | 未知 | 2009 | MTA SZTAKI | 1.5m |
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 time | 1 | 4,253 * 2 | aerial images | 2017 | AIST | 1.5m |
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 time | 1 | 4,223 * 2 | aerial images | 2017 | AIST |
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 time | 1 | 1 * 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 time | 1 | 10000train, 3000val, 3000test | Google Earth (DigitalGlobe) | 2018 | GosNIIAS | 0.03~1m |
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 time | 1 | 14 * 2 train, 10 * 2 test | Sentinel-2 | 2018 | Universit´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 time | 9 | 190 * 2 | IKONOS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 time | 6 | 291 | IGS’s BD ORTHO database | 2019 | ETH Zürich / EcoVision Lab | 0.5 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 state | 4 | 22068 | DigitalGlobe | 2020 | MIT |
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 time | 1 | 20 | Google Earth | 2020 | ieee | 0.55 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 time | 1 | 637 | Google Earth | 2020 | 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 time | 6 | 2968 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 time | 6 | 4662 * 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 time | 1 | 未知 | 未知 | 2020 | rscup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 | 10 | 27,000 | 10 m | 哨兵2 | 2018 | 德国凯泽斯劳滕大学 |
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 * 52 | 9 | 204 | 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 * 14 | 10 | 20000 | 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 * 8 | 10 | 25 train, 32 test | 250+ | MultiPolygons | WorldView 3 | 2017 | DigitalGlobe | 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 | 60 | 1129 | 1,000,000 | 0.3m | HBB | WorldView 3 | 2018 | DIUx、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 * 224 | 16 | 1 | AVIRIS sensor | 2011 | 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 * 224 | 6 | 1 | AVIRIS sensor | 2011 | 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 * 102 | 9 | 1 | ROSIS sensor | 2011 | NPavia university | 0.43-0.86μm |
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 * 103 | 9 | 1 | ROSIS sensor) | 2011 | Pavia university | 0.43-0.86μm |
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 * 191 | 7 | 1 | 机载高光谱数据 | 2013 | Spectral Information Technology Application Center of Virginia | 0.4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 * 176 | 13 | 1 | NASA AVIRIS | 2014 | Pavia university | 400–2500 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 * 145 | 14 | 1 | Hyperion sensor on EO-1 | 2014 | 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 * 224 | 16 | 3 | AVIRIS sensor | 2015 | Pursue univeristy | 400–2500 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± * 176 | 14 | 2train, 3val | Hyperion sensor (EO-1, USGS) | 2018 | National 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 * 3 | 46 | 109,161 | Google Earth | 2020 | 中国地质大学 | 0.1~10m | 13 |
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; | 43 | 590326 | 10 m 20 m 60m | 哨兵2 | 2019 | 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://img-blog.csdnimg.cn/20200423142931516.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25vbWluaW9y,size_16,color_FFFFFF,t_70)
https://spacenetchallenge.github.io/datasets/datasetHomePage.html
需要使用AMS公共数据集访问下载