RSICD

该数据集专为遥感图像字幕生成而设计，包含总计10,921张图片，每张图片配有五句描述。此外，这些图片具有不同的分辨率，统一缩放到224×224像素，以便进行图像字幕生成任务。

This dataset is specifically designed for remote sensing image captioning tasks. It contains a total of 10,921 images, each paired with five descriptive captions. Additionally, the images have varying resolutions and are uniformly resized to 224×224 pixels to facilitate the image captioning task.

搜集汇总

背景与挑战

背景概述

RSICD是一个用于遥感图像字幕生成任务的数据集，包含10921张224x224像素的遥感图像，每张图像配有五个描述句子。该数据集具有高类内多样性和低类间差异性，为研究者提供了丰富的数据资源。