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1km分辨率逐月降水量数据集（1901-2024）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2024.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
中国行政区划数据
本项目为中国行政区划数据，包括省级、地级、县级、乡级和村级五级行政区划数据。数据来源于国家统计局，存储格式为sqlite3 db文件，支持直接使用数据库连接工具打开。
github 收录
中国区域地面气象要素驱动数据集 v2.0（1951-2020）
中国区域地面气象要素驱动数据集（China Meteorological Forcing Data，以下简称 CMFD）是为支撑中国区域陆面、水文、生态等领域研究而研发的一套高精度、高分辨率、长时间序列数据产品。本页面发布的 CMFD 2.0 包含了近地面气温、气压、比湿、全风速、向下短波辐射通量、向下长波辐射通量、降水率等气象要素，时间分辨率为 3 小时，水平空间分辨率为 0.1°，时间长度为 70 年（1951~2020 年），覆盖了 70°E~140°E，15°N~55°N 空间范围内的陆地区域。CMFD 2.0 融合了欧洲中期天气预报中心 ERA5 再分析数据与气象台站观测数据，并在辐射、降水数据产品中集成了采用人工智能技术制作的 ISCCP-ITP-CNN 和 TPHiPr 数据产品，其数据精度较 CMFD 的上一代产品有显著提升。 CMFD 历经十余年的发展，其间发布了多个重要版本。2019 年发布的 CMFD 1.6 是完全采用传统数据融合技术制作的最后一个 CMFD 版本，而本次发布的 CMFD 2.0 则是 CMFD 转向人工智能技术制作的首个版本。此版本与 1.6 版具有相同的时空分辨率和基础变量集，但在其它诸多方面存在大幅改进。除集成了采用人工智能技术制作的辐射和降水数据外，在制作 CMFD 2.0 的过程中，研发团队尽可能采用单一来源的再分析数据作为输入并引入气象台站迁址信息，显著缓解了 CMFD 1.6 中因多源数据拼接和气象台站迁址而产生的虚假气候突变。同时，CMFD 2.0 数据的时间长度从 CMFD 1.6 的 40 年大幅扩展到了 70 年，并将继续向后延伸。CMFD 2.0 的网格空间范围虽然与 CMFD 1.6 相同，但其有效数据扩展到了中国之外，能够更好地支持跨境区域研究。为方便用户使用，CMFD 2.0 还在基础变量集之外提供了若干衍生变量，包括近地面相对湿度、雨雪分离降水产品等。此外，CMFD 2.0 摒弃了 CMFD 1.6 中通过 scale_factor 和 add_offset 参数将实型数据化为整型数据的压缩技术，转而直接将实型数据压缩存储于 NetCDF4 格式文件中，从而消除了用户使用数据时进行解压换算的困扰。 本数据集原定版本号为 1.7，但鉴于本数据集从输入数据到研制技术都较上一代数据产品有了大幅的改变，故将其版本号重新定义为 2.0。CMFD 2.0 的数据内容与此前宣传的 CMFD 1.7 基本一致，仅对 1983 年 7 月以后的向下短/长波辐射通量数据进行了更新，以修正其长期趋势存在的问题。2021 年至 2024 年的 CMFD 数据正在制作中，计划于 2025 年上半年发布，从而使 CMFD 2.0 延伸至 2024 年底。
国家青藏高原科学数据中心 收录
Population and Housing Census of 2007 - Ethiopia
Geographic coverage --------------------------- National coverage Analysis unit --------------------------- Household Person Housing unit Universe --------------------------- The census has counted people on dejure and defacto basis. The dejure population comprises all the persons who belong to a given area at a given time by virtue of usual residence, while under defacto approach people were counted as the residents of the place where they found. In the census, a person is said to be a usual resident of a household (and hence an area) if he/she has been residing in the household continuously for at least six months before the census day or intends to reside in the household for six months or longer. Thus, visitors are not included with the usual (dejure) population. Homeless persons were enumerated in the place where they spent the night on the enumeration day. The 2007 census counted foreign nationals who were residing in the city administration. On the other hand all Ethiopians living abroad were not counted. Kind of data --------------------------- Census/enumeration data [cen] Mode of data collection --------------------------- Face-to-face [f2f] Research instrument --------------------------- Two type sof questionnaires were used to collect census data: i) Short questionnaire ii) Long questionnaire Unlike the previous censuses, the contents of the short and long questionnaires were similar both for the urban and rural areas as well as for the entire city. But the short and the long questionnaires differ by the number of variables they contained. That is, the short questionnaire was used to collect basic data on population characteristics, such as population size, sex, age, language, ethnic group, religion, orphanhood and disability. Whereas the long questionnaire includes information on marital status, education, economic activity, migration, fertility, mortality, as well as housing stocks and conditions in addition to those questions contained in a short questionnaire.
catalog.ihsn.org 收录
Nexdata/chinese_dialect
该数据集包含25,000小时的中文方言语音数据，收集自多个方言区域的本地方言使用者，涵盖闽南语、粤语、四川话、河南话、东北话、上海话、维吾尔语和藏语等。数据格式为16kHz、16bit、未压缩的wav文件，单声道。句子准确率超过95%。数据集支持的任务包括自动语音识别（ASR）和音频说话人识别。
hugging_face 收录