Million-AID

arXiv2021-03-30 更新2024-08-06 收录

下载链接：

http://arxiv.org/abs/2006.12485v2

下载链接

链接失效反馈

官方服务：

资源简介：

Million-AID是一个新的、大规模的基准数据集，包含一百万个实例，用于遥感图像场景分类。

Million-AID is a new, large-scale benchmark dataset consisting of one million instances for remote sensing image scene classification.

创建时间：

2020-06-23

搜集汇总

数据集介绍

构建方式

Million-AID 数据集的构建采用了语义坐标收集策略和交互式注释方法。首先，通过利用公共地图搜索引擎、开源数据和公共地理数据库资源，收集了具有特定语义标签的地理坐标。然后，使用这些坐标从 Google Earth 中提取场景图像，并根据场景规模和分辨率，将图像分为不同的尺寸。最后，通过人工检查和删除操作，确保了场景图像的正确性和质量。

特点

Million-AID 数据集具有以下特点：1）多样性：每个场景类别中的图像都是从世界不同地区提取的，这大大增强了场景图像的内部多样性。同时，大规模的语义类别也提高了场景图像的类别间多样性。2）丰富性：Million-AID 数据集中的图像主要来自 Google Earth，这些图像来自不同的卫星，并具有广泛的分辨率。此外，还收集了在不同成像条件下拍摄的图像，以增加场景图像的丰富性。3）可扩展性：Million-AID 数据集的构建过程遵循半自动注释模式，可以有效地减少人工成本并确保标签质量。同时，构建的类别层次结构可以轻松地嵌入新的场景类别，这为数据集的扩展和持续可用性提供了保障。

使用方法

Million-AID 数据集可以用于场景分类、目标检测、语义分割和变化检测等遥感图像解释任务。使用数据集时，可以根据具体任务选择合适的场景类别和图像尺寸。同时，还可以利用数据集中的注释信息，对遥感图像进行语义分析和内容理解。

背景与挑战

背景概述

随着遥感（RS）图像解释技术的飞速发展及其在环境监测、资源调查、城市规划等领域的广泛应用，对RS图像的自动解释提出了更高的要求。Million-AID数据集正是在这一背景下创建的，它是一个大规模的RS图像场景分类基准数据集，包含了超过一百万个实例。该数据集由Yang Long等人创建，旨在解决现有RS图像数据集在规模、多样性和语义类别上的不足，为RS图像解释算法的研究和开发提供一个可靠的平台。

当前挑战

Million-AID数据集面临着一系列挑战，包括：1）构建过程中所遇到的挑战，例如，如何高效地准备一个适合RS图像解释的基准数据集，以及如何有效地收集和标注大规模的RS图像；2）RS图像解释领域的挑战，例如，如何提高算法的泛化能力，如何更好地表征真实世界场景中的特征分布，以及如何建立一个公平的比较平台，以评估和优化不同的解释算法。

常用场景

经典使用场景

Million-AID 数据集作为一个大规模的遥感图像场景分类数据集，其经典使用场景在于为遥感图像场景分类算法提供训练和测试数据。该数据集包含了100万张遥感图像，涵盖了51个场景类别，具有高多样性、丰富性和可扩展性，能够有效表征现实世界中的场景特征分布。通过使用 Million-AID 数据集，研究者可以训练出具有强大特征表示和泛化能力的场景分类模型，从而实现遥感图像的自动解释和内容理解。

衍生相关工作

Million-AID 数据集的构建和发布推动了遥感图像解释领域的相关研究。例如，一些研究者基于 Million-AID 数据集开展了场景分类算法的研究，提出了新的模型和方法，提高了算法的性能和效率。此外，一些研究者还基于 Million-AID 数据集开展了目标检测、语义分割等遥感图像解释任务的研究，为相关领域的发展提供了新的思路和方法。Million-AID 数据集的发布和应用，为遥感图像解释领域的研究和发展做出了重要贡献。

数据集最近研究