HRRSD|遥感图像数据集|机器学习数据集

HRRSD包含21,761张从Google Earth和Baidu Map获取的高分辨率（0.15-m至1.2-m）图像，涵盖55,740个对象实例和13个类别的遥感图像对象。数据集被分为训练、验证和测试三个子集，分别包含5401、5417和10943张图像。此外，还提供了数据集的统计信息和基准测试结果。

The HRRSD dataset comprises 21,761 high-resolution (0.15-m to 1.2-m) images obtained from Google Earth and Baidu Map, encompassing 55,740 object instances across 13 categories of remote sensing imagery. The dataset is partitioned into three subsets for training, validation, and testing, containing 5,401, 5,417, and 10,943 images respectively. Additionally, statistical information and benchmark results of the dataset are provided.

原始信息汇总

数据集概述

数据集名称

• TGRS-HRRSD-Dataset：高分辨率遥感检测（HRRSD）

数据集内容

• 图像数量：21,761张
• 对象实例：55,740个
• 类别数量：13类
• 图像来源：Google Earth和Baidu Map
• 空间分辨率：0.15-m至1.2-m

数据集划分

• 训练集：5401张
• 验证集：5417张
• 测试集：10943张
• 训练验证集：合并训练集和验证集

数据集结构

• 标签文件：位于/OPT2017/Annotations（.xml）和/OPT2017/labels（.txt）
• 图像文件：位于/OPT2017/JPEGImages（*.jpg）
• 数据集划分信息：位于/OPT2017/ImageSets/Main

统计信息

• 类别统计：包括各类别的训练、验证、测试集对象数量，以及平均缩放比例和缩放比例标准差。

基准测试

• 检测性能：提供了不同检测模型在各类别上的平均精度（AP）。

引用信息

• 引用格式：

  @article{zhang2019hierarchical, title={Hierarchical and Robust Convolutional Neural Network for Very High-Resolution Remote Sensing Object Detection}, author={Zhang, Yuanlin and Yuan, Yuan and Feng, Yachuang and Lu, Xiaoqiang}, journal={IEEE Transactions on Geoscience and Remote Sensing}, volume={57}, number={8}, pages={5535--5548}, year={2019}, publisher={IEEE} }

  @article{lu2020gated, title={Gated and Axis-Concentrated Localization Network for Remote Sensing Object Detection}, author={Lu, Xiaoqiang and Zhang, Yuanlin and Yuan, Yuan and Feng, Yachuang}, journal={IEEE Transactions on Geoscience and Remote Sensing}, volume={58}, number={1}, pages={179--192}, year={2020}, publisher={IEEE} }

AI搜集汇总

数据集介绍

构建方式

HRRSD数据集通过整合Google Earth和Baidu Map的高分辨率遥感图像构建而成，涵盖了从0.15米到1.2米的多种空间分辨率。该数据集包含21,761张图像，标注了55,740个对象实例，涵盖13类遥感目标。数据集被细分为训练集、验证集和测试集，分别包含5401、5417和10943张图像。此外，训练集与验证集的合并子集也提供了，以支持更广泛的实验需求。

特点

HRRSD数据集的显著特点在于其高分辨率图像和丰富的对象类别，适用于多种遥感目标检测任务。数据集的图像来源于Google Earth和Baidu Map，确保了地理覆盖的广泛性和图像质量的高标准。此外，数据集提供了详细的统计信息和基准测试结果，包括各类目标的平均尺寸和标准差，以及多种检测算法的性能对比，为研究者和开发者提供了宝贵的参考。

使用方法

使用HRRSD数据集时，用户可以通过提供的链接下载JPEG格式的图像文件，并访问包含标注信息的XML和TXT文件。数据集的划分信息存储在ImageSets/Main目录下，用户可根据需要选择合适的子集进行训练和测试。为了便于模型训练，数据集还提供了预计算的均值和标准差值，用户也可以通过提供的Python脚本自行计算。此外，数据集的README文件中包含了详细的统计数据和基准测试结果，帮助用户评估和优化其检测算法。

背景与挑战

背景概述

HRRSD（High Resolution Remote Sensing Detection）数据集由张元林、袁媛、冯亚创和陆小强等研究人员于2019年创建，旨在解决高分辨率遥感图像中的目标检测问题。该数据集包含21,761张从Google Earth和Baidu Map获取的图像，空间分辨率在0.15米至1.2米之间，涵盖13类遥感目标，共计55,740个实例。HRRSD的构建不仅为遥感图像处理领域提供了丰富的数据资源，还推动了高分辨率遥感目标检测技术的发展，尤其在军事侦察、城市规划和环境监测等领域具有重要应用价值。

当前挑战

HRRSD数据集在构建过程中面临多重挑战。首先，高分辨率图像的获取和标注需要大量的人力和时间，确保标注的准确性和一致性是一大难题。其次，不同类别目标的尺度差异大，如车辆和桥梁，这增加了检测算法的复杂性。此外，数据集中的类别分布不均，某些类别如车辆和桥梁的实例数量远超其他类别，可能导致模型训练时的偏差。最后，数据集的分割和标准化处理，如计算图像的均值和标准差，也是确保模型性能稳定的关键步骤。

常用场景

经典使用场景

HRRSD数据集在遥感图像目标检测领域中具有广泛的应用，其经典使用场景包括但不限于：利用高分辨率遥感图像进行目标识别与定位，如船舶、桥梁、飞机等13类目标的检测。通过该数据集，研究者可以训练和验证各种深度学习模型，如YOLO、Fast R-CNN和Faster R-CNN，以提升遥感图像中目标检测的准确性和效率。

解决学术问题

HRRSD数据集解决了遥感图像目标检测中的多个学术研究问题，包括高分辨率图像中目标的精确识别与定位、不同尺度目标的检测难度、以及多类别目标的分类挑战。该数据集的引入为研究者提供了一个标准化的测试平台，促进了遥感图像处理技术的进步，特别是在复杂背景和多变光照条件下的目标检测能力。

衍生相关工作

基于HRRSD数据集，研究者们开发了多种改进的目标检测算法，如Gated and Axis-Concentrated Localization Network (GACL-Net)，显著提升了目标定位的准确性。此外，该数据集还促进了多尺度目标检测和复杂背景下的目标识别研究，推动了遥感图像处理技术的整体发展。相关研究成果已发表在IEEE Transactions on Geoscience and Remote Sensing等权威期刊上。