无监督变化检测数据集（SAR、光学）

已于 2023-12-22 15:32:12 修改
阅读量2.8k 收藏 61
点赞数 11
分类专栏： 变化检测 文章标签： 深度学习 神经网络 计算机视觉
于 2022-05-13 09:39:18 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/weixin_44623662/article/details/124745011
版权

文章目录

同源SAR变化检测数据集

1.Ottawa数据集

[Github链接]
在这里插入图片描述

2.Yellow1数据集

[Github链接]
在这里插入图片描述

3.Bern数据集

[Github链接]
在这里插入图片描述

4.Yellow2数据集

[Github链接]
在这里插入图片描述

5.Yellow3数据集

[Github链接]
在这里插入图片描述

6.Yellow4数据集

[Github链接]
在这里插入图片描述

7.San 数据集

[Github链接]
在这里插入图片描述

8. Katios National Park数据集

[Github链接]
在这里插入图片描述

9.Atlantico数据集

[Github链接]
在这里插入图片描述

10.San Francisco数据集

[Github链接]
在这里插入图片描述

11.WenChuan数据集

[Github链接]

在这里插入图片描述

同源光学变化检测数据集

Beijing数据集

[Github链接]
在这里插入图片描述

高光谱变化检测数据集

Hermiston数据集

[链接]
在这里插入图片描述

异源变化检测数据集

1.Texas数据集

[链接]
在这里插入图片描述

2.Sardinia数据集

[Github链接]
在这里插入图片描述

3.California数据集

[链接]
在这里插入图片描述

4.Shuguang数据集

Github链接
在这里插入图片描述

常见变化检测操作

常见变化检测操作

-------------更新中------------
链接来源参考
https://github.com/MinZHANG-WHU/Change-Detection-Review
https://github.com/DavidJimenezS/GBF-CD/tree/master/Data

小小草帽
关注
  • 11
    点赞
  • 踩
  • 61
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
专栏目录
关于SAR影像变化检测常用数据集
03-19
本文件包含目前文章常用9个数据集，但仍缺失一些数据集，希望大家在下载的同时也把一些稀缺数据集分享出来。
SAR影像变化检测方法之（SAR_CD_DDNet（无监督变化检测））论文阅读
qq_41627642的博客
01-04 2149
无
探索遥感图像解析新境界：SOLC，融合SAR与光学数据的利器！
gitblog_00067的博客
06-11 316
探索遥感图像解析新境界：SOLC，融合SAR与光学数据的利器！ 项目地址:https://gitcode.com/yisun98/SOLC 项目介绍 SOLC是一个开源项目，旨在推动遥感图像的土地用途分类研究。该项目基于PyTorch实现，整合了合成孔径雷达（SAR）和光学图像数据，提供了多种深度学习模型的实现，包括但不限于Deeplabv3+、UNet、SegNet、MCANet以及创新的SOL...
有监督的SAR变化检测公开数据集
weixin_46720482的博客
11-13 1107
OpenSAR支持导入各种SAR数据源，例如TerraSAR-X，RADARSAT 1/2，COSMO-SkyMed等。用户可以通过该平台搜索和查看SAR图像数据。OpenSAR支持注册各种算法，例如图像去噪，场景分类，目标检测，目标识别，变化检测等。用户可以通过该平台搜索，配置和执行这些算法，并且完整的测试报告也将提供给用户。开放式SAR图像管理和处理平台，用于SAR图像的读取，处理，可视化和算法测试。
图数据集整理
w55100的博客
08-31 1万+
结点 Dataset Nodes edges features classes link Wiki-CS 11,701 216,123 300 10 https://github.com/pmernyei/wiki-cs-dataset/raw/master/dataset Amazon-Computers 13,752 245,861 767 10 https://github.com/shchur/gnnbenchmark/raw/master/data/npz/amazon_ele
SAR目标检测数据集汇总
热门推荐
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
题目：机载SAR图像目标检测技术研究
weixin_45969381的博客
05-29 1934
因此，目标检测技术的出现为军事人员提供了一种高效的解决方案，它可以智能筛选图像中的关键信息，大幅提升处理速度。随后，本文对相关技术进行了全面的梳理和介绍，不仅回顾了SAR图像处理技术和目标检测技术的发展历程，还深入分析了现有研究的成果和不足，为后续的研究工作提供了坚实的理论支撑和参考依据。通过引入一种渐进特征金字塔网络（AFPN）模块，融合两个相邻的低级特征开始，逐步将更高级别的特征融入融合过程，从而减少了非相邻级别之间的语义差距，使其能够更好地适应SAR图像的特性，提高了目标检测的准确性和效率。
常用数据集链接
幸福回头的博客
05-19 8267
CVonline：图像数据库 (Google直译的结果，希望对大家有帮助) 按主题索引 行动数据库 属性识别 自主驾驶 生物/医药 相机校准 脸和眼/虹膜数据库 指纹 一般图像 一般RGBD和深度数据集 一般视频 手，掌握，手动和手势数据库 图像，视频和形状数据库检索 对象数据库 人（静），人体姿势 人员检测和跟踪数据库（另见监控） 遥感...
数据集总结
ZJUWLAN
08-29 3571
CVonline：图像数据库 (Google直译的结果，希望对大家有帮助) 按主题索引 行动数据库 属性识别 自主驾驶 生物/医药 相机校准 脸和眼/虹膜数据库 指纹 一般图像 一般RGBD和深度数据集 一般视频 手，掌握，手动和手势数据库 图像，视频和形状数据库检索 对象数据库 人（静），人体姿势 人员检测和跟踪数据库（另见监控） 遥感 场景或地点分割或分...
无监督显着性SAR图像变化检测
03-07
本文提出了一种新的无监督显着性合成Kong径雷达（SAR）图像变化检测方法。 图像的显着区域始终是有区别的，并且与其他区域不同，这使得它们很容易被注意到。 局部区域的强烈视觉对比度使显着性适合于指导SAR图像的...
基于Memetic算法的SAR图像变化检测
04-01
提出了一种无监督SAR图像变化检测算法,利用数据聚类思想,通过进化算法寻找最小均方误差,得到变化检测结果.在原有Memetic算法基础上,针对图像自身特点,提出全新的搜索策略并根据当前检测结果动态调整局部搜索算法,...
基于Python的SAR变化检测算法
11-15
可以参考实际的SAR图像数据集，比如Sentinel-1或ERS等，进行变化检测的案例分析，如城市扩张、土地覆盖变化等。 在"**SAR-change-detection-master**"这个压缩包中，可能包含了实现上述步骤的Python代码示例、数据...
MSTAR目标检测SAR数据集汇总，内涵2G数据，baidu网盘下载
11-27
MSTAR目标检测SAR数据集汇总，内涵2G数据，baidu网盘下载
16现代循环神经网络—深度循环与双向循环
kaszxc的博客
07-22 566
深度循环神经网络使用多个隐藏层来获得更多的非线性性GRU、RNN、LSTM 在结构上都是相同的，只是隐状态 H 的计算方式有区别，所以它们加深神经网络的原理都是相同的在深度循环神经网络中，隐状态的信息被传递到当前层的下一时间步和下一层的当前时间步存在许多不同风格的深度循环神经网络，如长短期记忆网络、门控循环单元或经典循环神经网络深度循环神经网络需要大量的调参（如学习率和修剪）来确保合适的收敛，模型的初始化也需要谨慎双向循环神经网络通过反向更新的隐藏层来利用方向时间信息。
卷积神经网络（三）-zfNet
07-25 922
ZFNet（Zeiler & Fergus Net）是由Matthew D. Zeiler和Rob Fergus在2013年提出的卷积神经网络模型，它是基于AlexNet进行改进而来的。ZFNet在当年的ImageNet Large Scale Visual Recognition Challenge (ILSVRC)中取得了冠军,尤其在分类和定位任务上表现突出。
深度学习趋同性的量化探索：以多模态学习与联合嵌入为例
认知计算_茂森的博客
07-25 995
首先，我们定义了一个损失函数，它计算了每个数据点在联合嵌入空间中的位置与其理想位置之间的距离。这个距离是通过欧氏距离的平方来量化的。
基于深度学习的社交网络分析
最新发布
weixin_42605076的博客
07-25 946
基于深度学习的社交网络分析（Social Network Analysis, SNA）是利用深度学习技术对社交网络中的结构、模式和用户行为进行分析和理解。这一领域广泛应用于用户推荐、情感分析、社区检测、信息传播和隐私保护等方面。
神经网络与注意力机制的权重学习对比：公式探索
认知计算_茂森的博客
07-25 1276
在探讨神经网络与注意力机制的权重学习时，一个核心差异在于它们如何处理输入数据的权重。神经网络通常通过反向传播算法学习权重，而注意力机制则通过学习数据的“重要性”权重来增强模型的性能。这里，我们重点探讨注意力机制中的关键公式及其推导。
可见光、红外、sar融合 车辆检测 数据集
06-23
### 回答1： 车辆检测是计算机视觉领域的一个重要研究领域。为了让计算机更精确地识别车辆，可见光、红外和SAR三种数据融合已经成为了一种常见的方法。这种三种数据的融合方法有助于提高车辆检测的准确性，并能够在不同场景下进行车辆检测。 在这种三种数据的融合方法中，可见光是最常用的数据集，因为它能够提供丰富的颜色和视觉信息。红外数据集则是对于远距离和低光条件下车辆检测的非常有用的工具。而SAR数据集则是在各种天气和光照条件下仍能够提供高清晰度影像的重要来源。因此，可见光、红外和SAR三种数据集融合，能够更全面地获取车辆的信息，从而提高车辆检测的准确性和全面性。 近年来，随着机器学习和深度学习算法的不断发展，基于可见光、红外和SAR三种数据的车辆检测也取得了重大进展。通过大量的数据集、优秀的算法和高性能的计算机处理能力，车辆检测的准确性和效率得到了显著提升，并在智能驾驶、交通安全和边境安全等领域得到了广泛应用。 ### 回答2： 可见光、红外、SAR融合车辆检测数据集是用于车辆检测和识别领域的一个重要数据集。它将不同传感器所捕捉的数据进行融合，提供更加全面、准确的车辆检测数据。 其中，可见光传感器主要用于捕捉在日光下的车辆图像，它可以提供表面信息，如颜色、纹理等等。而红外传感器则可以提供车辆的热辐射信息，能够通过识别车辆发出的热能来进行车辆检测，即使在夜晚或低光照条件下也可以进行有效的检测。而SAR传感器则通过无线雷达来检测车辆的微小变化，如形状和尺寸。SAR技术可以跨越所有天气，即使在夜晚或大雾天气下也可以进行有效的车辆检测。 可见光、红外、SAR传感器的融合技术能够提供更为全面、准确的车辆检测数据。这些数据集已被广泛用于车辆识别、交通监控、城市规划等领域，并已经得到了积极的应用。在未来，可见光、红外、SAR传感器的融合技术将会得到更大的发展，为车辆检测和识别领域的应用提供更为准确的数据支持。 ### 回答3： 可见光、红外、SAR融合车辆检测数据集是用于车辆识别、检测的数据集。其中可见光数据集是通过摄像头拍摄车辆图像获得的，可以看到明亮的车身颜色、车牌等；红外数据集则是通过红外镜头拍摄车辆图像获得的，可以看到车辆的热量分布情况；SAR数据集是由毫米波雷达获取的车辆图像，可以在夜间或者恶劣天气环境下获取车辆信息。 通过对以上三种数据集进行融合处理，可以获得更加全面、准确的车辆信息。这种数据集的应用可以用于交通实时监控，特别是在晚上或者能见度低的情况下，可以准确检测到车辆的位置和数量，提高道路交通安全性。此外，该数据集还可以用于智能驾驶领域，帮助无人驾驶车辆更准确地获取道路信息、并进行决策。因此，在未来的交通、汽车等领域的发展中，这种多维度的数据集将得到越来越广泛的应用。
评论 12
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