好远好远的图像处理---综述

已于 2024-07-10 22:29:00 修改
阅读量3k 收藏 33
点赞数 4
分类专栏： 图像处理 文章标签： 遥感图像
于 2020-08-31 10:54:12 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/xys430381_1/article/details/90179012
版权

目录

背景

遥感领域SCI期刊与会议

自参考地址：https://blog.csdn.net/xys430381_1/article/details/101217655

行业动态

预见2022：《2022年中国商业遥感卫星行业全景图谱》(附市场现状、竞争格局和发展趋势等)
2022年全球遥感卫星产业发展现状及市场规模分析 商用比例达到46.88%【组图】

在卫星遥感影像获取与遥感应用之间，构建「关键环节」
【风口系列】太空过年只是第一步，卫星遥感技术还有发展大空间，产业链深度解析（附股）----（高分辨率卫星一览）

按应用分类

目标检测

IEEE TPAMI | 基于整体学习的大幅面超高分遥感影像桥梁目标检测！（含源码、数据集下载地址）

论文地址：https://ieeexplore.ieee.org/document/10509806
代码地址：https://luo-z13.github.io/GLH-Bridge-page/
数据集地址：https://luo-z13.github.io/GLH-Bridge-page/

论文赏读 | CVPR24 | 基于航空影像的多物种动物目标检测和识别

题目：WildlifeMapper: Aerial Image Analysis for Multi-Species Detection and Identification
会议：2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)
论文：https://openaccess.thecvf.com/content/CVPR2024/html/Kumar_WildlifeMapper_Aerial_Image_Analysis_for_Multi-Species_Detection_and_Identification_CVPR_2024_paper.html
代码：https://github.com/UCSB-VRL/WildlifeMapper (将发布)
年份：2024

TGRS | 面向卫星遥感的红外微小舰船目标检测方法：MTU-Net

论文地址：https://arxiv.org/pdf/2209.13756
代码地址：https://github.com/TianhaoWu16/Multi-level-TransUNet-for-Space-based-Infrared-Tiny-ship-Detection

目标分割

建筑物提取

最新综述 | TGRS | 遥感建筑提取综述，几何语义等任务总结, 以及数据集汇总

A Review of Building Extraction From Remote Sensing Imagery: Geometrical Structures and Semantic Attributes
期刊：IEEE Transactions on Geoscience and Remote Sensing
论文：https://ieeexplore.ieee.org/document/10458126
年份：2024

论文赏读 | TMM | 多源遥感图像土地分类制图, Fast and Effective: 渐进层级融合PHFNet网络

题目：Fast and Effective: Progressive Hierarchical Fusion Classification for Remote Sensing Images
期刊：IEEE Transactions on Multimedia
论文：https://ieeexplore.ieee.org/abstract/document/10522846
代码：https://github.com/ShirlySmile/PHFNet

论文赏读 | Samba: Mamba用于遥感语义分割

题目：Samba: Semantic Segmentation of Remotely Sensed Images with State Space Model
论文：http://arxiv.org/abs/2404.01705
代码(已集成到OpenMMLab)：https://github.com/zhuqinfeng1999/Samba
年份：2024

论文赏读 | CM-UNet: 结合CNN和Mamba的遥感语义分割网络

题目：CM-UNet: Hybrid CNN-Mamba UNet for Remote Sensing Image Semantic Segmentation
论文：http://arxiv.org/abs/2405.10530
代码：https://github.com/XiaoBuL/CM-UNet
年份：2024

论文赏读 | Mamba首次用于大遥感图像语义分割与变化检测，RS-Mamba模型

题目：RS-Mamba for Large Remote Sensing Image Dense Prediction
论文：https://arxiv.org/abs/2404.02668
代码：https://github.com/walking-shadow/Official_Remote_Sensing_Mamba
年份：2024

建筑物处理、几何测算、功能估计等

建筑物提取

最新综述 | TGRS | 遥感建筑提取综述，几何语义等任务总结, 以及数据集汇总

题目：A Review of Building Extraction From Remote Sensing Imagery: Geometrical Structures and Semantic Attributes
期刊：IEEE Transactions on Geoscience and Remote Sensing
论文：https://ieeexplore.ieee.org/document/10458126
年份：2024
作者单位：慕尼黑工业大学、深圳大学

建筑物几何测算

论文赏读 | RSE | 北半球2.5m大规模建筑高度估计,基于深度学习的超分辨率重建方法

题目：A deep learning-based super-resolution method for building height estimation at 2.5 m spatial resolution in the Northern Hemisphere
期刊：Remote Sensing of Environment
论文：https://www.sciencedirect.com/science/article/pii/S0034425724002591
数据代码：https://github.com/lauraset/Super-resolution-building-height-estimation
年份：2024
作者单位：香港理工大学

建筑物功能识别

利用多模态遥感数据识别大型城市区域中每栋建筑的功能

代码： https://github.com/lizhuohong/buildingmap
论文： https://arxiv.org/abs/2405.05133v1

灾害防治

人工智能在减灾遥感中的应用

环境治理

综述

ISPRS（万字长文）：机器学习与深度学习技术在遥感地质环境监测中的应用：挑战、进展与机遇

Title:A survey of machine learning and deep learning in remote sensing of geological environment: Challenges, advances, and opportunities
DOI:https://doi.org/10.1016/j.isprsjprs.2023.05.032

论文赏读 | Nature子刊 | 基于卫星数据和深度学习检测全球甲烷排放，使用结合Transformer的U-Net网络

题目：Automatic detection of methane emissions in multispectral satellite imagery using a vision transformer
期刊：Nature Communications
论文：https://www.nature.com/articles/s41467-024-47754-y
代码：https://codeocean.com/capsule/1815965
年份：2024

遥感图像生成

把整个地球装进神经网络，北航团队推出全球遥感图像生成模型

大模型与遥感

论文赏读 | CVPR24 | 如何高效地将大模型应用于多模态遥感下游任务？

题目：Parameter Efficient Self-Supervised Geospatial Domain Adaptation
会议：2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)
代码：https://github.com/HSG-AIML/GDA

最新综述 | 首篇视觉语言地理基础模型综述，方法、数据集及能力对比

题目：Towards Vision-Language Geo-Foundation Model: A Survey
论文：https://arxiv.org/abs/2406.09385
项目：https://github.com/zytx121/Awesome-VLGFM
作者单位：南洋理工大学，商汤科技，上海AI Lab，上海交通大学
年份：2024

代码开源的论文

CVPR2024 遥感论文项目（源码）

GitHub地址：https://github.com/rsdler/Remote-Sensing-in-CVPR2024

汇总 | Mamba+遥感论文汇总，涉及分类、分割、变化检测、全色锐化等, 代码均已开源

大规模遥感数据集上的预训练模型

RSP：遥感预训练的实证研究

数据集

数据集超链接

深度学习中的遥感影像数据集~持续更新

飞桨-遥感影像数据集汇总

数据分享01期|遥感目标检测数据集（更新）
数据分享02期|场景分类数据集总结
数据分享03期|语义分割数据集
数据分享04期|建筑物分割数据集
数据分享05期|变化检测数据集
数据分享06期|LiDAR点云数据分享
数据分享07期|高光谱遥感影像数据集（更新）

On Creating Benchmark Dataset for Aerial Image
Interpretation: Reviews, Guidances and Million-AID

场景分类数据集

场景分类综述——Remote Sensing Image Scene Classification Meets Deep Learning

遥感图像场景分类常用数据集

  1. UC Merced Land-Use Data Set
    UC Merced Land-Use Dataset 是一个用于研究的 21 级土地利用图像遥感数据集，共拥有 100 类图像，均提取自 USGS National Map Urban Area Imagery 系列，其被用于全国各地的城市地区。此数据集公共领域图像的像素分辨率为 1 英尺，图像像素大小为 256*256，包含 21 个类别的场景图像共计 2100 张，其中每个类别有 100 张。
    该数据集由 UC Merced 计算机视觉 实验室于 2010 年发布，相关论文有《Bag-Of-Visual-Words and Spatial Extensions for Land-Use Classification》。

  2. WHU-RS19 Data Set
    WHU-RS19 Dataset 是一个遥感影像数据集，其包含 19 个类别的场景影像共计 1005 张，其中每个类别有 50 张。
    该数据集由武汉大学于 2011 年发布，相关论文有《Satellite Image Classification via Two-layer Sparse Coding with Biased Image Representation》。

  3. SIRI-WHU Data Set
    SIRI-WHU Dataset 是一个遥感影像数据集，其包含 12 个类别的场景图像共计 2400 张，其中每个类别有 200 张，每张图像的像素尺寸为 200*200，空间分辨率为 2 米。数据集资源来自 Google Earth，主要涵盖中国城市地区，其中场景图像数据集由武汉大学 RS-IDEA 集团设计。
    该数据集由武汉大学于 2016 年发布，相关论文有《Bag-of-Visual-Words Scene Classifier with Local and Global Features for High Spatial Resolution Remote Sensing Imagery》和《Dirichlet-Derived Multiple Topic Scene Classification Model Fusing Heterogeneous Features for High Spatial Resolution Remote Sensing Imagery》。

  4. RSSCN7 Data Set
    RSSCN7 Dataset 包含 2800 幅遥感图像，这些图像来自于 7 个典型的场景类别 —— 草地、森林、农田、停车场、住宅区、工业区和河湖，其中每个类别包含 400 张图像，分别基于 4 个不同的尺度进行采样。
    该数据集中每张图像的像素大小为 400*400，场景图像的多样性导致其具有较大的挑战性，这些图像来源于不同季节和天气变化，并以不同的比例进行采样。
    RSSCN7 数据集由武汉大学的秦邹于 2015 年发布，相关论文有《Deep learning based feature selection for remotesensing scene classification》。

  5. RSC11 Data Set
    RSC11 Dataset 是一个遥感影像数据集，来源于 Google Earth 的高分辨率遥感影像，其中每张图的像素大小为 512*512，合计包含 11 类场景图像，其中每类有约 100 张共计 1232 张。
    该数据集由中科院于 2015 年发布，主要发布人为赵立军。

  6. NWPU-RESISC45 dataset
    45类场景 ， 2017
    西北工业大学 遥感图像场景分类数据集 45类
    NWPU Dataset 是一个遥感影像数据集，其中 NWPU-RESISC45 Dataset 是由西北工业大学创建的遥感图像场景分类可用基准，该数据集包含像素大小为 256*256 共计 31500 张图像，涵盖 45 个场景类别，其中每个类别有 700 张图像。
    这 45 个场景类别包括飞机、机场、棒球场、篮球场、海滩、桥梁、丛林、教堂、圆形农田、云、商业区、密集住宅、沙漠、森林、高速公路、高尔夫球场、地面田径、港口、工业地区、交叉口、岛、湖、草地、中型住宅、移动房屋公园、山、立交桥、宫、停车场、铁路、火车站、矩形农田、河、环形交通枢纽、跑道、海、船舶、雪山、稀疏住宅、体育场、储水箱、网球场、露台、火力发电站和湿地。
    该数据集由西北工业大学发布，相关论文有《Remote Sensing Image Scene Classification: Benchmark and State of the Art》。

  7. AID Dataset
    AID Dataset 是一个遥感影像数据集，其包含 30 个类别的场景图像，其中每个类别有约 220 – 420 张，整体共计 10000 张，其中每张像素大小约为 600*600。
    该数据集由华中科技大学和武汉大学于 2017 年发布。
    下载地址：https://pan.baidu.com/s/1mifOBv6#list/path=%2F

  8. 2020年全球30米地表覆盖精细分类产品
    共享链接：http://data.casearth.cn/sdo/detail/5fbc7904819aec1ea2dd7061

检测数据集

SAR图像船舶检测数据集公开发布
航空遥感图像(Aerial Images)目标检测数据集汇总

  • TAS 2008
    正框标注，1类，光学谷歌
    Consists of 30 images of 729x636 pixels from Google Earth and ∼1,300 vehicles. url: http://ai.stanford.edu/∼gaheitz/Research/TAS/

  • OIRDS 2009
    Consists for 900 images (0.08-0.3m/pixel) captured by aircraft-mounted camera
    and 1,800 annotated vehicle targets. url: https://sourceforge.net/projects/oirds/

  • DLR3K 2013
    The most frequently used datasets for small vehicle detection. Consists of 9,300 cars and 160 trucks. url: https://www.dlr.de/eoc/en/desktopdefault.aspx/tabid-5431/9230_read-42467/

  • UCAS-AOD 2015
    斜框标注，2类，光学谷歌图像
    Consists of ∼900 Google Earth images, ∼2,800 vehicles and ∼3,200 airplanes. url:
    http://www.ucassdl.cn/resource.asp
    Dataset of Object Detection in Aerial Images，中科大模式识别实验室标注的，只包含两类目标：汽车，飞机，以及背景负样本。样本数量如下： 在这里插入图片描述

  • INRIA aerial image dataset: 2016
    Inria是法国国家信息与自动化研究所简称，该机构拥有大量数据库，其中此数据库是一个城市建筑物检测的数据库，标记只有building, not building两种，且是像素级别，用于语义分割。训练集和数据集采集自不同的城市遥感图像。链接：https://project.inria.fr/aerialimagelabeling/

  • VeDAI 2016
    斜框标注，9类，光学航空图像，主要关于交通工具
    Consists of ∼1,200 images (0.1-0.25m/pixel), ∼3,600 targets of 9 classes. Designed
    for detecting small target in remote sensing images. url: https://downloads.greyc.fr/vedai/

  • NWPU_VHR10 2016
    正框标注，10类，光学谷歌图像
    The most frequently used remote sensing detection dataset in recent years.
    Consists of ∼800 images (0.08-2.0m/pixel) and ∼3,800 remote sensing targets
    of ten classes (e.g., airplanes, ships, baseball diamonds, tennis courts, etc). url:
    http://jiong.tea.ac.cn/people/JunweiHan/NWPUVHR10dataset.html
    西北工业大学标注的航天遥感目标检测数据集，共有800张图像，其中包含目标的650张，背景图像150张，目标包括：飞机、舰船、油罐、棒球场、网球场、篮球场、田径场、港口、桥梁、车辆10个类别。开放下载，大概73M.

  • RSOD-Dataset：2017
    武汉大学团队标注，包含飞机、操场、立交桥、 油桶四类目标，数目分别为：
    飞机：4993 aircrafts in 446 images.
    操场： 191 playgrounds in 189 images.
    立交桥： 180 overpass in 176 overpass.
    油桶：1586 oiltanks in 165 images.
    url：https://github.com/RSIA-LIESMARS-WHU/RSOD-Dataset-

  • xView 2018
    正框标注，60类，光学图像
    The largest remote sensing detection dataset so far. Consists of ∼1,000,000 remote
    sensing targets of 60 classes (0.3m/pixel), covering1,415km2
    of land area. url:
    http://xviewdataset.org

  • DOTA 2018
    斜框标注，14类，光学谷歌图像
    The first remote sensing detection dataset to incorporate rotated bounding boxes.
    Consists of ∼2,800 Google Earth images and ∼200,000 instances of 15 classes. url: https://captain-whu.github.io/DOTA/dataset.html
    这是武大遥感国重实验室夏桂松和华科电信学院白翔联合做的一个数据集，2806张遥感图像（大小约4000*4000），188,282个instances，分为15个类别，包括ship、tank、harbor（港口）。样本类别及数目如下（与另一个开放数据集NWPU VHR-10对比）：
    在这里插入图片描述

  • LEVIR 2018
    Consists of ∼22,000 Google Earth images and ∼10,000 independently labeled
    targets (airplane, ship, oil-pot). url: https://pan.baidu.com/s/1geTwAVD

  • 中国科学院空天信息研究院-SAR图像船舶检测数据集 2019
    url：https://github.com/CAESAR-Radi/SAR-Ship-Dataset

  • DIOR 2019
    Object Detection in Optical Remote Sensing Images—A Survey and A New Benchmark
    数据集： http://www.escience.cn/people/gongcheng/DIOR.html

SAR 图像数据集

SAR（遥感、卫星） 图像常用数据集
SAR目标检测数据集汇总

  • Brazilian Coffee Scenes 2005
    数据集较小，5MB左右；
    这个数据集是由SPOT sensor在2005年拍摄的巴西米纳斯吉拉斯州的四个县的场景组成:Arceburgo, Guaranesia, Guaxupe和Monte Santo。由于作物管理技术的不同，造成了许多内部差异。此外，咖啡是一种常绿作物，米纳斯吉拉斯州南部是山区，这意味着该数据集包含了不同植物年龄和/或阴影造成的光谱扭曲的场景。
    url: http://www.patreo.dcc.ufmg.br/2017/11/12/brazilian-coffee-scenes-dataset/

  • UC Merced Land Use Dataset 2010
    This is a 21 class land use image dataset meant for research purposes.
    There are 100 images for each of the following classes:
    agricultural
    airplane
    baseballdiamond
    beach
    buildings
    chaparral
    denseresidential
    forest
    freeway
    golfcourse
    harbor
    intersection
    mediumresidential
    mobilehomepark
    overpass
    parkinglot
    river
    runway
    sparseresidential
    storagetanks
    tenniscourt
    Each image measures 256x256 pixels.
    url: http://weegee.vision.ucmerced.edu/datasets/landuse.html

  • 中国科学院空天信息研究院-SAR图像船舶检测数据集 2019
    url：https://github.com/CAESAR-Radi/SAR-Ship-Dataset

  • 美国地址调查局
    要从网站上截图下，相关介绍：https://sspai.com/post/41939
    利用美国地质调查局（USGS）图像数据库，里面有美国在冷战时期，利用间谍卫星拍摄的图像，美国在90年代以及21世纪初分批解密了这些数据，间谍卫星当时几乎记录了中国全境的高清照片。
    美国USGS地址：https://earthexplorer.usgs.gov/

遥感图像 灾害数据集

xBD 自然灾害图像数据集
相关论文：《Building Disaster Damage Assessment in Satellite Imagery with Multi-Temporal Fusion》（《具有多时相融合的卫星影像中的建筑物灾害破坏评估》）

航拍图像森林火情检测数据集：FLAME。国内下载链接：https://pan.baidu.com/s/1obRiPgI0-JJMJ-NFmFuJXA
提取码：52CV
更多详情：http://link.52cv.net/q3LxA

高分细粒度 检测

【数据】百万级遥感图像细粒度目标识别数据集发布！
下载地址：http://gaofen-challenge.com

找船

  • 在SeaShips数据集
    该数据集目前包含31 455张图像，涵盖了六种常见的船型(矿砂船、散货船、杂货船、集装箱船、渔船和客船)。所有的图像都来自大约10080个真实世界的视频片段，这些视频片段是由部署在海岸线视频监控系统中的监控摄像机获取的。
    数据集下载：http://www.lmars.whu.edu.cn/prof_web/shaozhenfeng/datasets/SeaShips%287000%29.zip
    github：https://github.com/jiaming-wang/SeaShips

  • HRSC2016遥感舰船数据集
    3大类27小类，共2,976个目标。数据集分为三个层级，0级为船，1级是航母、军舰、商船、潜艇，2级为各种航母，军舰等等。image size:300 × 300 ~ 1500 × 900
    数据特点：靠岸采集的舰船比较多；2.背景复杂；3.舰船类型丰富，每个类别数据量较小；4. 类别区分没有明确的界限。
    下载地址：https://aistudio.baidu.com/datasetdetail/54106

分割数据集

作物数据集-nips2021
—对应的github：https://github.com/nasaharvest/cropharvest

目标定位数据集

1、University-1652数据集，下载链接
该数据集主要包含两方面的任务。

  • （1）无人机视图目标定位：（无人机->卫星）给定一个无人机视图图像或视频，该任务旨在找到最相似的卫星视图图像，以在卫星视图中定位目标建筑物。
  • （2）无人机导航：（卫星->无人机）给定一个卫星视图图像，该无人机将试图找到它经过的最相关的位置（无人机视图图像）。根据其飞行历史，可以将无人机导航回目标位置。

数据集数量：数据集主要包含全球72所大学的1652座建筑物。

遥感图像标注工具

GeoLabel遥感样本标注与分析

领域专家

Zhengxia Zou 北航、密歇根大学 个人主页：http://www-personal.umich.edu/~zzhengxi/
Zhenwei Shi 北航 个人主页：
韩军伟 西北工业大学 个人主页：http://jiong.tea.ac.cn/people/JunweiHan/index.html

高光谱

高光谱图像分类的一个github库
https://hub.fastgit.org/IIMARSS/HSI_3DCNN

高光谱数据集
Hyperspectral Remote Sensing Scenes

Deep Pyramidal Residual Networks for Spectral–Spatial Hyperspectral Image Classification—TGRS2018
源码： https://github.com/mhaut/pResNet-HSI

xys430381_1
关注
  • 4
    点赞
  • 踩
  • 33
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
论文研究-全参考图像质量评价综述.pdf
07-22
图像质量评价是图像处理领域内一项很有意义的研究课题。客观图像质量评价方法可分为全参考评价方法、半参考评价方法和无参考评价方法，目前全参考评价方法较为成熟，而半参考和无参考评价方法则处于初级阶段，远远达不到参考评价方法所能达到的效果。对全参考评价方法进行综述。首先简要地介绍了各种类型的评价方法，其次详细地介绍了PSNR、SSIM、MSSIM、IFC、VIF、FSIM等几种典型的全参考图像质量评价方法，然后在LIVE和TID2008数据库上进行实验，对这几种全参考方法进行对比、分析，最后探讨图像质量评价研究的发展趋势。
遥感场景识别数据集（场景分类）
陨星落云的博客
11-22 1万+
场景识别数据（场景分类） 场景识别通常指对图像整体的常见语义分析和理解，是计算机视觉领域标志性任务之一，在对象识别的基础上，场景识别能够结合上下文信息，从而实现场景主要内容的精确识别。2006年以来，神经网络的学习习能力不断得到提升，训练上的困难不断被克服，以卷积神经网络(CNN)为主的高效率深度学习模型被越来越多的运用到遥感影像应用中。卷积神经网络是当下场景识别的主要手段，而一定规模的遥感影像样本数据集是模型训练的基础。因此，近年来众多科研机构、专家学者研制并发布了基于各类场景的遥感影像样本数据集。收集遥
【RESISC45】《Remote Sensing Image Scene Classification: Benchmark and State of the Art》译读笔记
最新发布
墨门
06-20 243
遥感图像场景分类在一系列应用中扮演着重要角色，因此受到了极大的关注。过去几年中，许多工作致力于开发各种数据集或提出多种遥感图像场景分类方法。然而，仍然缺乏对场景分类数据集和方法文献的系统性综述。此外，几乎所有现有的数据集都存在诸多局限性，包括场景类别和图像数量的规模较小、图像变化和多样性不足，以及精度趋于饱和。这些局限严重限制了新方法的发展，尤其是基于深度学习的方法。本文首先对近期进展进行了总结回顾。
NWPU-RESISC45.7z
04-10
NWPU-RESISC45数据集 包含45种土地利用类型的遥感影像 提取自Google Earth 由西北工业大学于2016年发布 标注信息： 45类： airplane, airport, baseball diamond, basketball court, beach, bridge, chaparral, church, circular farmland, cloud, commercial area, dense residential, desert, forest, freeway, golf course, ground track field, harbor, industrial area, intersection, island, lake, meadow, medium residential, mobile home park, mountain, overpass, palace, parking lot, railway, railway station, rectangular farmland, river, roundabout, runwa
遥感图像场景分类数据集
大彤小忆的博客
05-26 7379
  目前国内外开发了很多可以用于场景分类任务的公开基准数据集，为这一领域的研究提供了便利。常用的遥感图像场景分类数据集有UC Merced Land-Use和NWPU-RESISC45两种。 UC Merced Land-Use 提取码：txeu UC Merced Land-Use遥感数据集是由UC Merced计算机视觉实验室公布的用于遥感图像场景分类的公开数据集，包含21类场景，各类别场景样本展示如下图所示。     上图中具体每个类别为(1) agricultural、(2) airplane、
【数据集收集】可用于深度学习模型的遥感数据集（持续更新，最后更新时间2020-06）
QQ704630835的博客
03-20 1万+
目录 一、背景 二、数据集整理 1.the UC Merced Land Use Dataset（约110M） 2.DOTA：A Large-scale Dataset for Object Detection in Aerial Images（约35G） 3.NWPU VHR-10（约73M） 4.UCAS-AOD: Dataset of Object Detection i...
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
遥感影像语义分割数据集
Vae_fans的博客
06-24 7297
遥感影像语义分割数据集
SENet实现遥感影像场景分类
weixin_44095417的博客
01-10 1308
这 45 个场景类别包括飞机、机场、棒球场、篮球场、海滩、桥梁、丛林、教堂、圆形农田、云、商业区、密集住宅、沙漠、森林、高速公路、高尔夫球场、地面田径、港口、工业地区、交叉口、岛、湖、草地、中型住宅、移动房屋公园、山、立交桥、宫、停车场、铁路、火车站、矩形农田、河、环形交通枢纽、跑道、海、船舶、雪山、稀疏住宅、体育场、储水箱、网球场、露台、火力发电站和湿地。Squeeze（压缩）阶段：通过全局池化操作（通常是全局平均池化），将特征图的每个通道的信息进行汇总，生成通道级别的描述信息。
最全遥感图像数据集（用于深度学习，包括效果图）
weixin_38834436的博客
07-02 9629
最近在做遥感方面关于油罐深度学习目标检测，用的Keras-yolo3框架，但是对于在遥感中油罐数据集的收集中，总结了许多数据集，我把连接放在本文中。 https://app.yinxiang.com/fx/7a9d3f9d-f8f0-4f2e-8cf6-9da6b1d776a6 上面连接为印象笔记我总结的一些遥感数据集下载的网站，个人觉得数据比较全，标签比较经典！！ 以上数据集在遥感中是比较...
基于图像gist特征的NWPU-RESISC45数据分类实战
Together_CZ的博客
01-12 1712
gist特征也是我第一次听说，之前在使用机器学习模型来进行图像分类的时候，要么是使用LBP、HOG之类的特征提取算法来计算对应的特征数据，要么是直接将深度学习和机器学习做集成，深度学习扮演特征提取计算的角色，机器学习扮演最终的分类器。 什么是gist特征呢？这是最近需要用到了就来简单学习了下： GIST概念最初源自1979年Friedman A的论文，后于2001年被Oliva等人借用来代指空间包络特征，随后就是2003年由Torralba等人的继续研究。 GIST的概念起源：Fr
[自监督][mmselfsup][mmclassification]使用NWPU数据集，利用MAE进行预训练完成下游分类任务
weixin_45061864的博客
04-03 1814
初次运行自监督学习相关的模型，有较大意义，故记录在此。MAE在此我不再赘述，代码均以mmselfsup文件夹为工作空间，安装问题需要注意 mmselfsup,mmclassification,mmengine的版本对应问题，在此我不赘述，请使用源码安装方式。提示：以下是本篇文章正文内容，下面案例可供参考共包含45类,每类包含700张256*256大小的RGB三通道图片。
SAR（遥感 卫星） 图像常用数据集
hftytf的博客
11-09 5186
SAR（遥感 卫星） 图像常用数据集
遥感地物分类多模态数据集
weixin_43919753的博客
03-13 2023
遥感地物分类多模态数据集
【数据集NO.4】遥感图像数据集汇总
m0_70388905的博客
12-06 7440
遥感图像检测数据集汇总，持续更新整理
遥感图像语义分割各公开数据集
Deeachain的博客
01-13 1万+
转载于：IMARS 遥感大数据智能挖掘与分析 语义分割在自然数据集的分割效果不断进步，有研究逐步应用到了遥感领域，尤其是高分辨率遥感影像。由于遥感图像具有海量数据，尺度依赖，空间相关性强的特点，能够很好地用语义分割的方法来提取地物或进行分类。 随着全卷积神经网络的提出，卷积网络不仅在全图式的分类上有所提高，也在结构化输出的局部任务上取得了进步。全卷积神经网络实现了对图像进行像素级的分类，从而解决了语义级别的图像分割问题。 本期对现有的10个遥感语义分割数据集进行总结，并附上下载链接，供大家对自己的算法
遥感资源大放送（下）| 11 个经典遥感数据集
HyperAI超神经
02-26 9614
内容提要：利用遥感影像进行土地类别分型，最常用的方法是语义分割。本文继上期土地分类模型训练教程之后，又整理了几大主流公开遥感数据集。 原创：HyperAI超神经 关键词：遥感数据集 语义分割 机器视觉 在上一期 《遥感资源大放送（上）：用开源代码，训练土地分类模型 》 中，我们详细介绍了遥感影像进行土地分类的常用方法，以及具体如何使用利 deeplab-v3+ 用于土地 7 分类的具体训练过程及代码。 教程地址： https://openbayes.com/console/openbayes/cont.
常见目标跟踪数据集下载链接整理（更新中）
热门推荐
laizi_laizi的博客
04-11 2万+
搜罗一下，感觉没人把常见的目标跟踪数据集下载链接汇总整理的，这里就整理一下，因为有些网址很难打开，这里也是想方便之后大家获取，来看看吧！我就从大佬图中来找几个吧！因为不是全接触过，有些链接不是很好，有小伙伴有更好的建议，欢迎评论 ！ 请大家遵守相关的license，数据集仅供教育和研究使用 OTB Visual Tracker Benchmar：http://cvlab.hanyang.ac...
遥感、航拍、影像等用于深度学习的数据集集合
weixin_44906759的博客
02-25 2107
遥感图像的纹理特征异常繁杂，地貌类型多变，人工提取往往存在特征提取困难和特征提取不准确的问题，同时，在这个过程中还会耗费海量的人力物力。随着计算力的突破、数据洪流的暴发和算法的不断创新，在具有鲜明“大数据”特征的自然资源领域，AI智能解译发挥着越来越重要的作用，并逐渐应用于地质调查填图、矿产资源预测、遥感影像解译、地质灾害防治、自动驾驶地图等方面。本次给大家分享有关遥感、航拍、影像等深度学习数据集。
波音 isar 带宽450
07-17
波音 ISAR（Inter-Satellite Link System Architecture）是一种卫星间通信系统架构，它用于实现卫星之间的高速数据传输。其中，ISAR 带宽表示该系统的传输容量，450代表其带宽大小为450 Mbps。 ISAR 带宽450意味着该系统具有450 Mbps的传输能力，可以支持高速数据传输和通信。对于卫星通信而言，带宽越高，数据传输速度越快，传输容量也越大。这将使得卫星系统能够快速传输大量的数据，并支持更多的用户连接。 波音 ISAR 通过卫星间的链路连接，可以在广域范围内实现高速、可靠的数据传输。这对于卫星通信、广播、互联网接入等应用来说都是非常重要的。ISAR 带宽的增加可以提高通信效率和用户体验，使得卫星通信系统更加灵活和可靠。 总之，波音 ISAR 带宽450代表了该卫星通信系统的传输容量为450 Mbps，表示了它具备高速数据传输的能力，可以支持更多用户连接和大容量数据传输。这将有助于卫星通信系统在不同领域的应用，提高通信效率和用户体验。
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