blanchon/UC_Merced

---
language: en
license: unknown
task_categories:
- image-classification
paperswithcode_id: uc-merced-land-use-dataset
pretty_name: UC Merced
tags:
- remote-sensing
- earth-observation
- geospatial
- satellite-imagery
- land-cover-classification
- USGS National Map
- USGS
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': agricultural
'1': airplane
'2': baseballdiamond
'3': beach
'4': buildings
'5': chaparral
'6': denseresidential
'7': forest
'8': freeway
'9': golfcourse
'10': harbor
'11': intersection
'12': mediumresidential
'13': mobilehomepark
'14': overpass
'15': parkinglot
'16': river
'17': runway
'18': sparseresidential
'19': storagetanks
'20': tenniscourt
splits:
- name: train
num_bytes: 438356371.8
num_examples: 2100
download_size: 416445676
dataset_size: 438356371.8
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

# UC Merced

<!-- Dataset thumbnail -->

<!-- Provide a quick summary of the dataset. -->
The UC Merced Land Use dataset is a land use classification dataset of 2.1k 256x256 1ft resolution RGB images of urban locations around the U.S. extracted from the USGS National Map Urban Area Imagery collection with 21 land use classes (100 images per class).
- **Paper:** https://arxiv.org/abs/1911.06721
- **Homepage:** http://weegee.vision.ucmerced.edu/datasets/landuse.html

## Description

<!-- Provide a longer summary of what this dataset is. -->

- **Total Number of Images**: 2100
- **Bands**: 3 (RGB)
- **Image Size**: 256x256
- **Resolution**: 0.3m
- **Land Cover Classes**: 21
- **Classes**: agricultural, airplane, baseballdiamond, beach, buildings, chaparral, denseresidential, forest, freeway, golfcourse, harbor, intersection, mediumresidential, mobilehomepark, overpass, parkinglot, river, runway, sparseresidential, storagetanks, tenniscourt
- **Source**: USGS

## Usage

To use this dataset, simply use `datasets.load_dataset("blanchon/UC_Merced")`.
<!-- Provide any additional information on how to use this dataset. -->
```python
from datasets import load_dataset
UC_Merced = load_dataset("blanchon/UC_Merced")
```

## Citation

<!-- If there is a paper or blog post introducing the dataset, the APA and Bibtex information for that should go in this section. -->
If you use the EuroSAT dataset in your research, please consider citing the following publication:

```bibtex
@article{neumann2019indomain,
title = {In-domain representation learning for remote sensing},
author = {Maxim Neumann and Andre Susano Pinto and Xiaohua Zhai and Neil Houlsby},
year = {2019},
journal = {arXiv preprint arXiv: 1911.06721}
}
```

语言：英语
许可证：未知
任务类别：图像分类
PapersWithCode 编号：uc-merced-land-use-dataset
正式名称：UC Merced
标签：遥感（remote-sensing）、地球观测（earth-observation）、地理空间（geospatial）、卫星影像（satellite-imagery）、土地覆盖分类（land-cover-classification）、美国地质调查局国家地图集（USGS National Map）、美国地质调查局（USGS）
数据集信息：
特征：
- 名称：图像，数据类型：图像
- 名称：标签，数据类型：类别标签，类别名称如下：
0: 农业用地，1: 飞机场站，2: 棒球场，3: 海滩，4: 建筑物群，5: 灌丛植被，6: 高密度住宅区，7: 森林，8: 高速公路，9: 高尔夫球场，10: 港口，11: 十字路口，12: 中等密度住宅区，13: 移动住宅园区，14: 立交桥，15: 停车场，16: 河流，17: 跑道，18: 低密度住宅区，19: 储料罐，20: 网球场
数据集拆分：
- 拆分名称：训练集，字节大小：438356371.8，样本数量：2100
下载大小：416445676 字节
数据集总大小：438356371.8 字节
配置：
- 配置名称：默认配置，数据文件：
- 拆分：训练集，路径：data/train-*

# UC Merced


UC Merced土地利用数据集是一款土地覆盖分类数据集，包含2100张分辨率为256×256、地面采样距离为1英尺（约0.3米）的RGB彩色图像，图像均取自美国境内城市区域，提取自美国地质调查局（USGS）国家地图集城市影像库，涵盖21类土地利用类型，每类包含100张图像。
- **论文**：https://arxiv.org/abs/1911.06721
- **官方主页**：http://weegee.vision.ucmerced.edu/datasets/landuse.html

## 详细描述
- **总图像数量**：2100
- **波段数**：3（RGB）
- **图像尺寸**：256×256
- **地面采样分辨率**：0.3米（约1英尺）
- **土地覆盖类别数**：21
- **类别列表**：农业用地、飞机场站、棒球场、海滩、建筑物群、灌丛植被、高密度住宅区、森林、高速公路、高尔夫球场、港口、十字路口、中等密度住宅区、移动住宅园区、立交桥、停车场、河流、跑道、低密度住宅区、储料罐、网球场
- **数据来源**：美国地质调查局（USGS）

## 使用方法
如需使用该数据集，仅需调用`datasets.load_dataset("blanchon/UC_Merced")`。
python
from datasets import load_dataset
UC_Merced = load_dataset("blanchon/UC_Merced")

## 引用信息
若您在研究中使用EuroSAT数据集，请引用以下出版物：
bibtex
@article{neumann2019indomain,
title = {In-domain representation learning for remote sensing},
author = {Maxim Neumann and Andre Susano Pinto and Xiaohua Zhai and Neil Houlsby},
year = {2019},
journal = {arXiv preprint arXiv: 1911.06721}
}

原始信息汇总

UC Merced 数据集概述

基本信息

• 数据集名称: UC Merced
• 语言: 英语
• 许可: 未知
• 任务类别: 图像分类
• 标签:
  • 遥感
  • 地球观测
  • 地理空间
  • 卫星图像
  • 土地覆盖分类
  • USGS National Map
  • USGS

数据集详情

• 特征:

  • 图像: 图像格式
  • 标签: 类别标签
    • 类别名称:
      • 0: agricultural
      • 1: airplane
      • 2: baseballdiamond
      • 3: beach
      • 4: buildings
      • 5: chaparral
      • 6: denseresidential
      • 7: forest
      • 8: freeway
      • 9: golfcourse
      • 10: harbor
      • 11: intersection
      • 12: mediumresidential
      • 13: mobilehomepark
      • 14: overpass
      • 15: parkinglot
      • 16: river
      • 17: runway
      • 18: sparseresidential
      • 19: storagetanks
      • 20: tenniscourt

• 数据分割:

  • 训练集:
    • 字节数: 438356371.8
    • 样本数: 2100

• 下载大小: 416445676

• 数据集大小: 438356371.8

配置

• 默认配置:
  • 数据文件:
    • 分割: 训练
    • 路径: data/train-*

数据集描述

• 总图像数: 2100
• 波段: 3 (RGB)
• 图像尺寸: 256x256
• 分辨率: 0.3米
• 土地覆盖类别: 21
• 类别: agricultural, airplane, baseballdiamond, beach, buildings, chaparral, denseresidential, forest, freeway, golfcourse, harbor, intersection, mediumresidential, mobilehomepark, overpass, parkinglot, river, runway, sparseresidential, storagetanks, tenniscourt
• 来源: USGS

使用方法

• 使用 datasets.load_dataset("blanchon/UC_Merced") 加载数据集。

搜集汇总

数据集介绍

构建方式

UC Merced土地使用数据集是由美国地质调查局（USGS）国家地图城市区域影像集中提取的2.1k张256x256像素分辨率为1英尺的RGB图像构成，涵盖21种土地使用类别。这些图像经过精心挑选，以确保数据集在图像分类任务中的多样性和代表性。

特点

本数据集具有以下显著特点：图像总数为2100张，包含3个波段（RGB），256x256像素的图像大小，0.3米的分辨率，以及21个土地覆盖类别，包括农业、机场、棒球场、海滩、建筑等。数据来源于USGS，为土地覆盖分类研究提供了宝贵的资源。

使用方法

使用本数据集时，可以通过调用`datasets.load_dataset("blanchon/UC_Merced")`函数轻松加载。加载后，用户将能够访问训练数据集，其中包含了2100个样本，可用于图像分类模型的训练和评估。

背景与挑战

背景概述

UC Merced土地使用数据集，诞生于2019年，由Maxim Neumann等研究人员提出，旨在为远程遥感领域提供一套标准的土地使用分类数据集。该数据集由2100张美国城市地区的256x256像素RGB图像组成，涵盖了21种土地覆盖类别，每一类别包含100张图像。这些图像来源于美国地质调查局（USGS）的国家地图城市地区影像集合，对于推动遥感图像分析和地理信息系统研究具有重要的参考价值。

当前挑战

该数据集在构建过程中，面临了诸多挑战，主要包括：1) 如何在众多土地使用类别中保持数据均衡，确保每一类别都有足够的样本进行训练和测试；2) 图像分辨率和真实世界地理特征之间的匹配问题，这直接影响到分类的精确性；3) 数据集的泛化能力，即如何确保该数据集在应用于不同地区和条件时仍能保持良好的性能。此外，数据集的标签标注质量，以及如何有效整合和利用USGS的丰富数据资源，也是构建过程中需要解决的关键问题。

常用场景

经典使用场景

在遥感与地理信息系统领域，UC Merced数据集以其精细的空间分辨率和多样化的土地利用类别，成为图像分类任务的经典使用案例。该数据集包含了2100张256x256像素的RGB图像，涵盖21种不同的土地利用类型，为研究者提供了一个标准的实验平台，以评估和比较各种图像分类算法的性能。

衍生相关工作

基于UC Merced数据集的研究衍生了众多相关工作，包括改进的图像分类算法、特征提取方法以及深度学习模型的优化。这些研究进一步推动了遥感图像解析技术的发展，为相关领域的学术研究和技术应用提供了新的视角和方法论。

数据集最近研究

最新研究方向

在遥感影像解析领域，UC Merced数据集以其细致的土地利用分类成为研究的热点。该数据集包含21种不同土地利用类型的2100张256x256像素的RGB图像，为深度学习模型的训练提供了丰富的资源。近期研究主要聚焦于通过该数据集对模型的泛化能力进行评估和提升，特别是在复杂城市环境的土地覆盖分类任务上。此外，研究者还关注如何利用该数据集进行在域表示学习，以增强模型在遥感影像中的识别精度和鲁棒性，这对于地理信息系统、城市规划等领域具有重要意义。