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？
SATIR|热红外图像分割数据集|数据集数据集
收藏arXiv2023-04-17 更新2024-06-21 收录
下载链接：
https://github.com/chenjzBUAA/SATIR
下载链接
链接失效反馈资源简介：
SATIR是由北京航空航天大学创建的大规模热红外图像分割数据集，包含超过100,000张带有像素级标注的图像。该数据集涵盖了城市、室内外、航空等多种场景，旨在通过利用Segment Anything Model (SAM) 生成的伪标签进行预训练，提高特定类别的热红外图像分割精度。数据集的创建过程涉及使用SAM模型对未标记的热红外图像进行分割，生成高质量的分割掩码，进而构建伪标签。SATIR数据集的应用领域主要集中在热红外图像的分割任务，特别是在标注困难的情况下，提供了一种有效的预训练解决方案。
提供机构：
北京航空航天大学
创建时间：
2023-04-17
AI搜集汇总
数据集介绍
构建方式
SATIR数据集的构建基于知识蒸馏技术，利用Segment Anything Model (SAM)生成伪标签。首先，SAM模型应用于未标注的热红外图像，生成高质量的分割掩码。随后，这些掩码被用于构建伪标签，每个掩码根据其在质量排序中的位置被分配一个类别编号。最终，这些伪标签与原始图像结合，形成了一个包含超过100,000张图像的大规模热红外分割数据集。
特点
SATIR数据集的显著特点在于其大规模和高质量的伪标签生成。该数据集包含超过100,000张热红外图像，涵盖多种场景，如城市、室内外、航空等。通过SAM模型生成的伪标签，不仅提高了数据集的标注效率，还确保了分割任务的准确性。此外，SATIR数据集的构建方法为特殊领域的数据标注提供了一种新的解决方案。
使用方法
SATIR数据集主要用于热红外图像的预训练任务。研究者可以利用该数据集进行知识蒸馏，通过训练模型在SATIR数据集上提取特征，进而提升模型在特定任务上的表现。具体使用方法包括：首先，使用SATIR数据集进行模型预训练；其次，在目标任务数据集上进行微调。这种方法能够有效提高模型在热红外图像分割任务中的准确性和泛化能力。
背景与挑战
背景概述
在热红外图像分割领域，精确的像素级标注数据集的缺乏一直是制约模型性能提升的关键瓶颈。为了应对这一挑战，北京航空航天大学的Junzhang Chen和Xiangzhi Bai等研究人员于2023年提出了SATIR数据集。该数据集通过利用Meta AI的Segment Anything Model (SAM)生成伪标签，构建了一个包含超过100,000张热红外图像及其像素级标注的大型数据集。SATIR数据集的创建不仅填补了热红外图像分割领域的数据空白，还为特定领域的预训练模型提供了新的可能性，显著提升了分割任务的准确性。
当前挑战
尽管SATIR数据集在热红外图像分割领域展现了显著的潜力，但其构建过程中仍面临若干挑战。首先，利用SAM模型生成的伪标签在某些情况下可能不够精确，这可能导致预训练模型的性能受限。其次，数据集的标注过程依赖于SAM模型的输出，而SAM在处理热红外图像时可能存在泛化能力不足的问题。此外，数据集的多样性和场景覆盖范围虽然广泛，但仍需进一步扩展以应对更为复杂和多样化的应用场景。未来研究需探索更精细的标注方法和更广泛的场景覆盖，以进一步提升数据集的质量和应用价值。
常用场景
经典使用场景
在热红外图像分割领域，SATIR数据集的经典使用场景主要集中在利用知识蒸馏技术，通过Segment Anything Model (SAM)生成的伪标签进行预训练。这种预训练方法能够显著提升特定类别分割任务的准确性，尤其是在热红外图像这种标注困难的数据集上。通过SAM生成的伪标签，SATIR数据集为模型提供了丰富的像素级标注，从而在后续的微调阶段能够更有效地学习。
衍生相关工作
SATIR数据集的提出激发了大量相关研究工作，特别是在知识蒸馏和伪标签生成技术方面。例如，有研究者进一步优化了伪标签生成算法，以提高标注的准确性和可靠性。此外，SATIR的成功应用也启发了在其他特殊领域（如医学影像和遥感图像）中采用类似的方法进行数据集构建和模型预训练，推动了跨领域的技术交流与创新。
数据集最近研究
最新研究方向
在热红外图像分割领域，SATIR数据集的最新研究方向主要集中在利用知识蒸馏技术，通过Segment Anything Model (SAM)生成伪标签，以提升特定领域（如热红外图像）的分割精度。该研究提出了一种框架，通过SAM生成的伪标签进行预训练，从而在热红外图像分割任务中超越了基于ImageNet预训练模型的最先进水平。此外，研究还构建了一个大规模的热红外分割数据集SATIR，包含超过10万张带有像素级标注的图像，为热红外图像分割任务提供了丰富的训练资源。这一方法不仅解决了热红外图像标注困难的问题，还为其他特殊领域的预训练模型提供了新的范式。
相关研究论文
- 1Learning to "Segment Anything" in Thermal Infrared Images through Knowledge Distillation with a Large Scale Dataset SATIR北京航空航天大学 · 2023年
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
中国高分辨率高质量PM2.5数据集（2000-2023）
ChinaHighPM2.5数据集是中国高分辨率高质量近地表空气污染物数据集（ChinaHighAirPollutants, CHAP）中PM2.5数据集。该数据集利用人工智能技术，使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到2000年至今全国无缝隙地面PM2.5数据。数据十折交叉验证决定系数R2为0.92，均方根误差RMSE为10.76 µg/m3。主要范围为整个中国地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为µg/m3。注意：该数据集持续更新，如需要更多数据，请发邮件联系作者（weijing_rs@163.com; weijing@umd.edu）。 数据文件中包含NC转GeoTiff的四种代码（Python、Matlab、IDL和R语言）nc2geotiff codes。
国家青藏高原科学数据中心 收录
CatMeows
该数据集包含440个声音样本，由21只属于两个品种（缅因州库恩猫和欧洲短毛猫）的猫在三种不同情境下发出的喵声组成。这些情境包括刷毛、在陌生环境中隔离和等待食物。每个声音文件都遵循特定的命名约定，包含猫的唯一ID、品种、性别、猫主人的唯一ID、录音场次和发声计数。此外，还有一个额外的zip文件，包含被排除的录音（非喵声）和未剪辑的连续发声序列。
huggingface 收录
MedChain
MedChain是由香港城市大学、香港中文大学、深圳大学、阳明交通大学和台北荣民总医院联合创建的临床决策数据集，包含12,163个临床案例，涵盖19个医学专科和156个子类别。数据集通过五个关键阶段模拟临床工作流程，强调个性化、互动性和顺序性。数据来源于中国医疗网站“iiYi”，经过专业医生验证和去识别化处理，确保数据质量和患者隐私。MedChain旨在评估大型语言模型在真实临床场景中的诊断能力，解决现有基准在个性化医疗、互动咨询和顺序决策方面的不足。
arXiv 收录
中国农村教育发展报告
该数据集包含了中国农村教育发展的相关数据，涵盖了教育资源分布、教育质量、学生表现等多个方面的信息。
www.moe.gov.cn 收录
中国车牌识别数据集（7类，33万张）
这是一个高质量、平衡的中国车牌识别数据集，包含了33万张各类中国车牌的图片。数据集经过精心设计，确保了图像质量的优秀和大部分各类车牌类型的平衡分布。这个数据集非常适合用于训练和评估车牌识别模型。
魔搭社区 收录