SUES-200

SUES-200是由上海工程技术大学电子电气工程学院创建的多高度多场景跨视角图像基准数据集，包含24120张无人机在四个不同高度拍摄的图像及其对应的卫星图像。该数据集旨在解决现有公共数据集在评估模型适应复杂多变场景能力方面的不足。SUES-200涵盖了公园、学校、湖泊和公共建筑等多种场景，每种场景的数据均在150m、200m、250m和300m四个高度收集。数据集的应用领域包括无人机定位和导航，旨在通过学习高度判别性的特征，提高模型在不同视角和高度下的匹配准确性。SUES-200 is a multi-height, multi-scenario cross-view image benchmark dataset created by the School of Electronic and Electrical Engineering, Shanghai University of Engineering Science. It contains 24,120 images captured by UAVs at four different altitudes and their corresponding satellite images. This dataset is designed to address the shortcomings of existing public datasets in evaluating the ability of models to adapt to complex and variable scenarios. SUES-200 covers various scenarios such as parks, schools, lakes, and public buildings, and data for each scenario is collected at four altitudes: 150m, 200m, 250m, and 300m. The application fields of this dataset include UAV positioning and navigation, aiming to improve the matching accuracy of models across different viewpoints and altitudes by learning highly discriminative features.

搜集汇总

数据集介绍

构建方式

SUES-200数据集的构建旨在解决现有跨视图图像匹配数据集在无人机不同高度拍摄图像的缺失问题。该数据集包含24120张图像，由无人机在四个不同高度（150m、200m、250m和300m）拍摄，并配有相应的卫星视图图像。通过在真实环境中采集多类型场景的图像，SUES-200确保了数据集的多样性和复杂性，从而能够更全面地评估模型在不同高度和场景下的适应能力。

特点

SUES-200数据集的主要特点在于其多高度和多场景的特性。首先，数据集包含了无人机在四个不同高度拍摄的图像，这是现有公开数据集中首次考虑到的差异。其次，数据集涵盖了多种类型的场景，如公园、学校、湖泊和公共建筑，这有助于模型学习到适应不同环境的不变特征。此外，数据集还包含了连续场景的图像，这些图像在实际应用中可能包含相邻场景的信息，增加了模型的挑战性。

使用方法

SUES-200数据集适用于训练和评估跨视图图像匹配模型。使用该数据集时，研究者可以利用其多高度和多场景的特性，训练模型在不同高度和复杂环境下的鲁棒性。数据集提供了详细的评估协议，包括传统的Recall@K和AP指标，以及针对不同高度和不确定性的新评估方法。此外，数据集还提供了一个高效的训练、测试和评估管道，帮助研究者快速迭代和优化模型。

背景与挑战

背景概述

SUES-200数据集是由上海工程技术大学电子与电气工程学院的Runzhe Zhu、Ling Yin、Mingze Yang、Fei Wu和Yuncheng Yang等人于2022年创建的。该数据集专注于无人机与卫星视角下的图像匹配问题，旨在解决现有数据集在不同高度和场景多样性方面的不足。SUES-200包含了24120张图像，这些图像由无人机在四个不同高度（150m、200m、250m和300m）拍摄，并配有相应的卫星视角图像。该数据集的创建填补了无人机在不同高度拍摄图像的空白，为评估模型在复杂和多变场景中的适应能力提供了新的基准。

当前挑战

SUES-200数据集面临的挑战主要集中在两个方面。首先，该数据集解决了无人机与卫星视角图像匹配的领域问题，这一问题在无人机定位和导航中具有重要应用。然而，由于无人机在不同高度拍摄的图像存在显著差异，模型需要具备高度鲁棒性以适应这些变化。其次，数据集构建过程中遇到的挑战包括如何确保图像质量、处理不同光照条件下的图像变化，以及如何有效地标注和分类多场景图像。此外，评估模型的性能时，传统的评估指标如Recall@K和AP可能不足以全面反映模型在不同高度和不确定性条件下的表现，因此需要开发新的评估系统来更全面地评估模型的鲁棒性和推理速度。

常用场景

经典使用场景

SUES-200数据集在无人机与卫星图像的跨视图匹配任务中展现了其经典应用场景。该数据集通过提供无人机在不同高度拍摄的图像以及相应的卫星视图图像，使得研究者能够训练和评估模型在复杂和多变场景中的适应能力。具体而言，SUES-200数据集支持两种主要任务：无人机视图目标定位（无人机→卫星）和无人机导航（卫星→无人机）。通过这些任务，模型能够学习到在不同视图下保持不变的图像特征，从而提高跨视图匹配的准确性和鲁棒性。

实际应用

SUES-200数据集在实际应用中具有广泛的前景，特别是在无人机定位和导航领域。通过训练和测试基于该数据集的模型，无人机能够在复杂环境中实现精确的定位和导航，无论是在城市、公园还是其他多变场景中。此外，该数据集还可用于开发和优化无人机与卫星图像的匹配系统，提高无人机在低空飞行时的定位精度，增强其在复杂电磁环境中的鲁棒性。这些应用不仅提升了无人机的自主飞行能力，还为智能交通、灾害监测等领域提供了新的技术手段。

衍生相关工作

SUES-200数据集的发布催生了一系列相关研究工作，特别是在跨视图图像匹配和无人机定位领域。例如，研究者们基于该数据集开发了多种深度学习模型，如基于Transformer的ViT模型，显著提升了跨视图匹配的准确性和鲁棒性。此外，SUES-200还激发了对多角度特征融合、不同损失函数和距离测量算法的研究，进一步推动了跨视图匹配技术的发展。这些研究不仅丰富了计算机视觉领域的理论基础，还为实际应用提供了更多可能性。