遥感图像目标检测常用数据集及下载链接汇总-Toy模板网

这篇具有很好参考价值的文章主要介绍了遥感图像目标检测常用数据集及下载链接汇总。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1、TAS数据集
2、DIOR
3、LEVIR
4、DOTA
5、RSOD
6、UCAS-AOD
7、NWPU VHR-10
8、VEDAI
9、HRSC2016

遥感图像目标检测常用数据集及下载链接汇总
1、TAS数据集

是为航空图像中的汽车检测而设计的。包含30张图片和1319辆手动标注的汽车。这些图像的空间分辨率相对较低，由建筑物和树木造成的阴影较多。
Heitz G, Koller D. Learning spatial context: Using stuff to find things[C]//European conference on computer vision. Springer, Berlin, Heidelberg, 2008: 30-43.

网页介绍链接http://ai.stanford.edu/~gaheitz/Research/TAS/
链接: https://pan.baidu.com/s/1fTl2ocIluJ8E9vMvCMP-lA 提取码: 2kca

2、DIOR
遥感图像目标检测常用数据集及下载链接汇总用于光学遥感图像目标检测的大规模基准数据集。含23463张图片和190288实例，覆盖20种目标，比DOTA数据集更大！这20个对象类是飞机、机场、棒球场、篮球场、桥梁、烟囱、水坝、高速公路服务区、高速公路收费站、港口、高尔夫球场、地面田径场、天桥、船舶、体育场、储罐、网球场、火车站、车辆和风磨。

Li K, Wan G, Cheng G, et al. Object detection in optical remote sensing images: A survey and a new benchmark[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 159: 296-307.
下载地址：http://www.escience.cn/people/gongcheng/DIOR.html

3、LEVIR
遥感图像目标检测常用数据集及下载链接汇总由大量 800 × 600 像素和0.2m〜1.0m /像素的高分辨率Google Earth图像和超过22k的图像组成。LEVIR数据集涵盖了人类居住环境的大多数类型地面特征，例如城市，乡村，山区和海洋。数据集中未考虑冰川，沙漠和戈壁等极端陆地环境。数据集中有3种目标类型：飞机，轮船（包括近海轮船和向海轮船）和油罐。所有图像总共标记了11k个独立边界框，包括4,724架飞机，3,025艘船和3,279个油罐。每个图像的平均目标数量为0.5。

Zou Z, Shi Z. Random access memories: A new paradigm for target detection in high resolution aerial remote sensing images[J]. IEEE Transactions on Image Processing, 2017, 27(3): 1100-1111.
数据下载地址：http://levir.buaa.edu.cn/Code.htm
链接: https://pan.baidu.com/s/1-eUAq2PszdHeE2VSG3q5cw 提取码: j9jp

4、DOTA
遥感图像目标检测常用数据集及下载链接汇总

2806张遥感图像（大小约4000*4000），188,282个instances，分为15个类别:飞机、船只、储蓄罐、棒球场、网球场、篮球场、田径场、海港、桥、大型车辆、小型车辆、直升飞机、英式足球场、环形路线、游泳池。每个实例都由一个四边形边界框标注，顶点按顺时针顺序排列。
更新：DOTA-v1.5在16个类别中包含40万个带注释的对象实例，这是DOTA-v1.0的更新版本。它们都使用相同的航拍图像，但是DOTA-v1.5修改并更新了对象的注释，其中在DOTA-v1.0中缺少了许多大约10个像素以下的小对象实例，并对其进行了附加注释。 DOTA-v1.5的类别也得到了扩展。具体地，增加了集装箱起重机的类别。

Xia G S, Bai X, Ding J, et al. DOTA: A large-scale dataset for object detection in aerial images[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 3974-3983.

数据下载网页地址：https://captain-whu.github.io/DOTA/dataset.html>
链接: https://pan.baidu.com/s/1o4Tsx7hgh2a2O73kxJRVLg 提取码: yvi1

5、RSOD
遥感图像目标检测常用数据集及下载链接汇总一个开放的目标检测数据集，用于遥感图像中的目标检测。数据集包含飞机，油箱，运动场和立交桥，以PASCAL VOC数据集的格式进行标注。
数据集包括4个文件夹，每个文件夹包含一种对象：
1.飞机数据集，446幅图像中的4993架飞机
2.操场，189副图像中的191个操场。
3.立交桥，176副图像中的180座立交桥。
4.油箱，165副图像中的1586个油箱。

Li K, Wan G, Cheng G, et al. Object detection in optical remote sensing images: A survey and a new benchmark[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 159: 296-307.
https://github.com/RSIA-LIESMARS-WHU/RSOD-Dataset-

6、UCAS-AOD
用于飞机和车辆检测。具体来说，飞机数据集包括600张图像和3210架飞机，而车辆数据集包括310张图像和2819辆车辆。所有的图像都经过精心挑选，使数据集中的物体方向分布均匀。

下载地址https://pan.baidu.com/s/1Poo0zEHTHDfBTnKPb5YTCg 提取码: 7zsi

7、NWPU VHR-10
遥感图像目标检测常用数据集及下载链接汇总
10个地理空间对象类，包括飞机、棒球场、篮球场、桥梁、港口、地面田径场、船舶、储罐、网球场和车辆。它由715幅RGB图像和85幅锐化彩色红外图像组成。其中715幅RGB图像采集自谷歌地球，空间分辨率从0.5m到2m不等。85幅经过pan‐锐化的红外图像，空间分辨率为0.08m，来自Vaihingen数据。该数据集共包含3775个对象实例，其中包括757架飞机、390个棒球方块、159个篮球场、124座桥梁、224个港口、163个田径场、302艘船、655个储罐、524个网球场和477辆汽车，这些对象实例都是用水平边框手工标注的。

Cheng G, Zhou P, Han J. Learning rotation-invariant convolutional neural networks for object detection in VHR optical remote sensing images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(12): 7405-7415.
链接: https://pan.baidu.com/s/1YJXr1jlwgJVVX9hl8v93lw 提取码: jpuz

8、VEDAI
VEDAI数据集用于航空图像中的多类车辆检测。它包含3640个车辆实例，包括9个类别，包括船、车、露营车、飞机、接送车、拖拉机、卡车、货车和其他类别。该数据集共包含来自犹他州AGRC 的1210张1024×1024的航空图像，空间分辨率12.5 cm。数据集中的图像采集于2012年春季，每张图像都有四个未压缩的彩色通道，包括三个RGB彩色通道和一个近红外通道。

Razakarivony S, Jurie F. Vehicle detection in aerial imagery: A small target detection benchmark[J]. Journal of Visual Communication and Image Representation, 2016, 34: 187-203.
下载地址：https://downloads.greyc.fr/vedai/

9、HRSC2016

用于舰船检测，含1070张图片 (Google Earth) 和2976个实例，使用旋转框标注。遥感舰船公开数据集所有图像均来自六个著名的港口。分辨率从2米到0.4米不等，图像大小从300300到1500900不等，大部分比1000*600大。含有3个级别任务(分别为单类class、4类category和19类type舰船检测识别)训练，验证和测试集分别包含436个图像（包括1207个样本），181个图像（包括541个样本）和444个图像（包括1228个样本）。

链接: https://pan.baidu.com/s/1Sz2aohknDVCYrnXcnPQuaQ 提取码: 7fx1
Liu Z, Yuan L, Weng L, et al. A high resolution optical satellite image dataset for ship recognition and some new baselines[C]//International conference on pattern recognition applications and methods. SciTePress, 2017, 2: 324-331.文章来源地址https://www.toymoban.com/news/detail-443219.html

到了这里，关于遥感图像目标检测常用数据集及下载链接汇总的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！