有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
ESA Anomaly Dataset|卫星遥测数据数据集|异常检测数据集
收藏github2024-06-24 更新2024-06-26 收录
下载链接：
https://github.com/esa/anomaly-dataset
下载链接
链接失效反馈资源简介：
ESA异常数据集是第一个大规模的、来自三个ESA任务的真实卫星遥测数据集，带有精选的异常标注。我们希望这个独特的数据集能够允许学术界、研究机构、国家和国际空间机构以及工业界的研究人员和科学家在共同的基准上基准模型和方法，以及研究和开发新颖的、计算效率高的异常检测方法。
创建时间：
2024-06-24
原始信息汇总
ESA Anomaly Dataset
概述
ESA Anomaly Dataset 是首个大规模、真实卫星遥测数据集，包含来自三个ESA任务的精心策划的异常标注。该数据集旨在为学术界、研究机构、国内外航天机构和工业界的研究人员和科学家提供一个共同基准，用于模型和方法的基准测试，以及研究和开发用于卫星遥测数据异常检测的新颖、计算高效的算法。
背景
该数据集源自一个由空客防务与航天、KP实验室和欧洲航天局欧洲空间操作中心组成的行业联盟进行的为期18个月的项目。该项目由欧洲航天局（ESA）资助，是人工智能自动化（A²I）路线图的一部分，该路线图始于2021年，旨在通过利用人工智能自动化空间操作。
参考文献
De Canio, G. et al. (2023) Development of an actionable AI roadmap for automating mission operations. In, 2023 SpaceOps Conference. American Institute of Aeronautics and Astronautics, Dubai, United Arab Emirates.
AI搜集汇总
数据集介绍
构建方式
ESA Anomaly Dataset的构建源于一个为期18个月的项目，由Airbus Defence and Space、KP Labs以及欧洲航天局（ESA）的欧洲空间操作中心组成的行业联盟共同完成。该项目由ESA资助，是人工智能自动化（A²I）路线图的一部分，旨在通过利用人工智能实现空间操作的自动化。数据集汇集了来自三个ESA任务的真实卫星遥测数据，并经过精心标注异常信息，形成了首个大规模、真实场景的卫星遥测异常数据集。
特点
该数据集的独特之处在于其大规模和真实性，涵盖了来自三个ESA任务的卫星遥测数据，并附有详细的异常标注。这使得研究人员能够在共同基准上对模型和方法进行基准测试，同时探索和开发计算效率高的新型异常检测方法。此外，数据集的构建背景和资助来源确保了其科学性和可靠性，为空间操作自动化领域的研究提供了宝贵的资源。
使用方法
ESA Anomaly Dataset适用于学术界、研究机构、国家和国际空间机构以及工业界的研究人员和科学家。用户可以通过该数据集对现有模型和方法进行基准测试，评估其在真实卫星遥测数据上的表现。此外，数据集还支持开发和验证新型计算效率高的异常检测算法，推动空间操作自动化领域的创新。使用时，用户应参考arXiv上的详细文档，确保正确理解和应用数据集。
背景与挑战
背景概述
ESA Anomaly Dataset 是由欧洲空间局（ESA）主导，由Airbus Defence and Space、KP Labs以及ESA的欧洲空间操作中心组成的行业联盟在18个月的项目中创建的。该数据集是首个大规模、真实卫星遥测数据集，包含来自三个ESA任务的精心标注的异常数据。其核心研究问题在于通过人工智能技术自动化空间操作，特别是异常检测。此数据集的发布旨在为学术界、研究机构、国家和国际空间机构以及工业界的研究人员提供一个共同基准，以评估和开发新的、计算高效的异常检测方法。
当前挑战
ESA Anomaly Dataset 在构建过程中面临多项挑战。首先，收集和标注真实卫星遥测数据需要高度的专业知识和复杂的操作流程。其次，确保数据集的多样性和代表性，以涵盖不同类型的异常情况，是一项艰巨的任务。此外，如何在保持数据集规模的同时，确保其计算效率和实用性，也是研究者需要解决的关键问题。这些挑战不仅涉及技术层面，还涉及数据隐私和安全性的考量。
常用场景
经典使用场景
ESA Anomaly Dataset的经典使用场景主要集中在卫星遥测数据的异常检测领域。该数据集为研究人员提供了一个大规模、真实且带有异常标注的卫星遥测数据集，使得研究者能够在统一的基准上对模型和方法进行评估。通过分析这些数据，研究者可以开发和验证新的计算高效异常检测算法，从而提高卫星操作的自动化水平和可靠性。
实际应用
在实际应用中，ESA Anomaly Dataset显著提升了卫星操作的自动化和智能化水平。通过应用该数据集训练的模型，卫星运营商能够实时监测和识别遥测数据中的异常，从而及时采取纠正措施，避免潜在的设备故障和任务失败。这不仅提高了卫星系统的可靠性和稳定性，还大幅减少了人工干预的需求，降低了运营成本。
衍生相关工作
ESA Anomaly Dataset的发布催生了一系列相关研究工作。例如，基于该数据集，研究者们开发了多种新型异常检测算法，这些算法在计算效率和检测精度上均有显著提升。此外，该数据集还促进了跨学科的合作，吸引了来自学术界、研究机构和工业界的广泛关注，推动了卫星遥测数据处理技术的整体进步。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国农村金融统计数据
该数据集包含了中国农村金融的统计信息，涵盖了农村金融机构的数量、贷款余额、存款余额、金融服务覆盖率等关键指标。数据按年度和地区分类，提供了详细的农村金融发展状况。
www.pbc.gov.cn 收录
URPC系列数据集, S-URPC2019, UDD
URPC系列数据集包括URPC2017至URPC2020DL，主要用于水下目标的检测和分类。S-URPC2019专注于水下环境的特定检测任务。UDD数据集信息未在README中详细描述。
github 收录
TT100K - Tsinghua-Tencent 100K
TT100K数据集是一个用于交通标志检测和识别的大规模数据集，包含100,000张标注的交通标志图像。该数据集主要用于计算机视觉和自动驾驶领域的研究。
cg.cs.tsinghua.edu.cn 收录
中国空气质量数据集（2014-2020年）
数据集中的空气质量数据类型包括PM2.5, PM10, SO2, NO2, O3, CO, AQI，包含了2014-2020年全国360个城市的逐日空气质量监测数据。监测数据来自中国环境监测总站的全国城市空气质量实时发布平台，每日更新。数据集的原始文件为CSV的文本记录，通过空间化处理生产出Shape格式的空间数据。数据集包括CSV格式和Shape格式两数数据格式。
国家地球系统科学数据中心 收录
ALFA
ALFA数据集由卡内基梅隆大学机器人学院创建，专注于固定翼无人机的控制表面故障和异常检测。数据集包含47次自主飞行中的故障场景，涵盖了发动机、方向舵、副翼和升降舵等多种故障类型，总飞行时间为66分钟正常飞行和13分钟故障后飞行。数据集的创建涉及对飞行器的硬件和软件进行定制修改，以模拟各种故障情况。该数据集主要用于无人机故障检测和隔离（FDI）以及异常检测（AD）研究，旨在提高自主飞行操作的安全性。
arXiv 收录