RSICD, UCMD, RSITMD, PatternNet, EuroSAT, OPTIMAL-31, RSC11, AID, MLRSNet, RSI-CB256

这是一个精选的遥感数据集集合，每个数据集都附有相关细节，包括发表的论文、发表年份、类别数量、总图像数量、图像大小以及数据集适合的具体任务。

This is a curated collection of remote sensing datasets, each accompanied by relevant details including the published paper, year of publication, number of categories, total number of images, image size, and the specific tasks for which the dataset is suitable.

原始信息汇总

数据集概述

1. RSICD

• Paper Name: Exploring Models and Data for Remote Sensing Image Caption Generation, Lu et al.
• Publication Year: 2017
• Number of Categories: 30
• Number of Images: 10,921
• Images Size: 224x224
• Task: Captioning & Classification

2. UCMD

• Paper Name: UC-Merced Data Set, Yang, Newsam
• Publication Year: 2010
• Number of Categories: 21
• Number of Images: 2,100
• Images Size: 256x256
• Task: Captioning & Classification

3. RSITMD

• Paper Name: Exploring a Fine-Grained Multiscale Method for Cross-Modal Remote Sensing Image Retrieval, Yuan et al.
• Publication Year: 2022
• Number of Categories: 32
• Number of Images: 4,743
• Images Size: 224x224
• Task: Captioning & Classification

4. PatternNet

• Paper Name: PatternNet: A Benchmark Dataset for Performance Evaluation of Remote Sensing Image Retrieval, Zhou et al.
• Publication Year: 2017
• Number of Categories: 38
• Number of Images: 30,400
• Images Size: 256x256
• Task: Classification

5. EuroSAT

• Paper Name: EuroSAT: A Novel Dataset and Deep Learning Benchmark for Land Use and Land Cover Classification, Helber et al.
• Publication Year: 2017
• Number of Categories: 10
• Number of Images: 27,000
• Images Size: 64x64
• Task: Classification

6. OPTIMAL-31

• Paper Name: Scene Classification With Recurrent Attention of VHR Remote Sensing Images, Wang et al.
• Publication Year: 2018
• Number of Categories: 31
• Number of Images: 1,860
• Images Size: 256x256
• Task: Classification

7. RSC11

• Paper Name: Feature significance-based multibag-of-visual-words model for remote sensing image scene classification, Zhao et al.
• Publication Year: 2016
• Number of Categories: 100
• Number of Images: 1,231
• Images Size: 512x512
• Task: Classification

8. AID

• Paper Name: Aid: A benchmark data set for performance evaluation of aerial scene classification, Xia et al.
• Publication Year: 2017
• Number of Categories: 30
• Number of Images: 10,000
• Images Size: 600x600
• Task: Classification

9. MLRSNet

• Paper Name: MLRSNet: A Multi-label High Spatial Resolution Remote Sensing Dataset for Semantic Scene Understanding, Qi et al.
• Publication Year: 2020
• Number of Categories: 31
• Number of Images: 109,161
• Images Size: 256x256
• Task: Classification

10. RSI-CB256

• Paper Name: RSI-CB: A Large-Scale Remote Sensing Image Classification Benchmark via Crowdsource Da, Li et al.
• Publication Year: 2017
• Number of Categories: 35
• Number of Images: 24,000
• Images Size: 256x256
• Task: Classification

11. RSI-CB128

• Paper Name: RSI-CB: A Large-Scale Remote Sensing Image Classification Benchmark via Crowdsource Da, Li et al.
• Publication Year: 2017
• Number of Categories: 45
• Number of Images: 36,000
• Images Size: 128x128
• Task: Classification

12. NWPU-Captions

• Paper Name: NWPU-Captions Dataset and MLCA-Net for Remote Sensing Image Captioning, Cheng et al.
• Publication Year: 2016
• Number of Categories: 45
• Number of Images: 31,500
• Images Size: 256,256
• Task: Captioning & Classification

13. SIRI-WHUWHU-earth

• Paper Name: Dirichlet-Derived Multiple Topic Scene Classification Model for High Spatial Resolution Remote Sensing Imagery, Zhao et al.
• Publication Year: 2016
• Number of Categories: 12
• Number of Images: 2,400
• Images Size: 200x200
• Task: Classification

14. WHU-RS19

• Paper Name: Structural High-resolution Satellite Image Indexing, Xia et al.
• Publication Year: 2012
• Number of Categories: 12
• Number of Images: 1,013
• Images Size: 600x600
• Task: Classification

15. RSSCN7

• Paper Name: Deep learning based feature selection for remote sensing scene classification, Zou et al.
• Publication Year: 2018
• Number of Categories: 7
• Number of Images: 2,800
• Images Size: 400x400
• Task: Classification

搜集汇总

数据集介绍

构建方式

RS-DatasetsHub数据集集合的构建依托于遥感领域的多篇重要文献，涵盖了从2010年至2022年间发表的多个数据集。每个数据集均通过严格的学术标准进行筛选和整理，确保其适用于遥感图像分类、描述生成等任务。数据集以压缩文件形式提供，内部结构包含图像文件夹和描述文件`dataset.json`，部分数据集还根据类别进一步细分图像存储路径，以便于用户按需使用。

使用方法

用户可通过提供的链接下载数据集压缩包，解压后按照文件夹结构访问图像和描述文件。对于分类任务，用户可直接使用图像文件夹中的数据进行模型训练；对于描述生成任务，可通过`dataset.json`文件获取图像路径及其对应的描述信息。数据集的使用需遵循相关文献的引用规范，以确保学术研究的透明性和可追溯性。

背景与挑战

背景概述

RS-DatasetsHub是一个专门为遥感领域研究者设计的综合性数据集集合，涵盖了多个关键数据集，如RSICD、UCMD、RSITMD等。这些数据集由不同研究团队在不同年份创建，最早可追溯至2010年。每个数据集均针对特定的遥感任务设计，例如图像分类、图像描述生成等。这些数据集在遥感图像分析、土地利用分类、场景理解等领域具有重要影响力，推动了深度学习模型在遥感领域的应用与发展。

当前挑战

RS-DatasetsHub中的数据集在解决遥感图像分类和描述生成等任务时面临多重挑战。首先，遥感图像通常具有高分辨率和复杂的空间结构，这对模型的泛化能力和计算效率提出了更高要求。其次，数据集的构建过程中，标注的准确性和一致性是关键难题，尤其是在多类别分类任务中，类间差异的细微性增加了标注难度。此外，遥感数据的多样性和动态变化性也使得模型训练和评估更具挑战性，特别是在跨区域和跨时间尺度的应用中。

常用场景

经典使用场景

在遥感图像处理领域，RSICD、UCMD、RSITMD等数据集被广泛应用于图像分类和描述生成任务。这些数据集通过提供高分辨率的遥感图像及其对应的类别标签或描述文本，为研究者提供了丰富的实验材料。特别是在图像分类任务中，这些数据集通过其多样化的场景和类别，帮助研究者验证和优化分类算法的性能。此外，RSICD等数据集还支持图像描述生成任务，推动了遥感图像与自然语言处理技术的结合。

解决学术问题

这些数据集有效解决了遥感图像分类和描述生成中的多个学术问题。首先，它们通过提供大量标注数据，缓解了遥感图像领域数据稀缺的问题。其次，数据集中的多样化场景和类别分布，帮助研究者更好地理解遥感图像的特征表示和分类边界。此外，RSICD等数据集还推动了跨模态学习的研究，使得遥感图像与文本描述之间的关联性得以深入探索，为多模态信息融合提供了新的研究方向。

实际应用

在实际应用中，这些数据集被广泛用于土地覆盖分类、城市规划、灾害监测等领域。例如，EuroSAT数据集通过提供欧洲地区的卫星图像，支持了土地利用和土地覆盖分类的研究，为农业管理和环境保护提供了数据支持。AID数据集则通过其高分辨率的航空图像，帮助研究者开发高效的场景分类算法，应用于城市规划和交通管理。这些数据集的实际应用不仅提升了遥感技术的实用性，也为相关领域的决策提供了科学依据。

数据集最近研究

最新研究方向

近年来，遥感图像数据集如RSICD、UCMD、RSITMD等在遥感图像分类与描述生成领域取得了显著进展。这些数据集不仅为深度学习模型提供了丰富的训练样本，还推动了多模态遥感图像检索和场景分类技术的发展。特别是RSITMD数据集，其细粒度的多尺度方法在跨模态遥感图像检索中展现了强大的潜力。此外，EuroSAT和MLRSNet等数据集在土地利用和土地覆盖分类任务中表现出色，为高分辨率遥感图像的语义理解提供了重要支持。这些数据集的应用不仅提升了遥感图像分析的精度，还为气候变化监测、城市规划等实际应用提供了有力工具。