Functional Map of the World (fMoW) Dataset|地理空间数据数据集|多光谱图像数据集

fMoW数据集有两个版本：fMoW-full和fMoW-rgb。fMoW-full是TIFF格式，包含4波段和8波段的多光谱图像，大小约为3.5TB。fMoW-rgb是JPEG格式，所有多光谱图像已转换为RGB，大小约为200GB。

The fMoW dataset is available in two versions: fMoW-full and fMoW-rgb. The fMoW-full version is in TIFF format, containing multispectral images with 4 and 8 bands, and has a size of approximately 3.5TB. The fMoW-rgb version is in JPEG format, where all multispectral images have been converted to RGB, and has a size of about 200GB.

原始信息汇总

数据集概述

数据集版本

• fMoW-full: 采用TIFF格式，包含4-band和8-band多光谱图像，大小约为3.5TB。
• fMoW-rgb: 采用JPEG格式，所有多光谱图像已转换为RGB格式，大小约为200GB。

数据集类别

数据集包含以下类别：

["airport", "airport_hangar", "airport_terminal", "amusement_park", "aquaculture", "archaeological_site", "barn", "border_checkpoint", "burial_site", "car_dealership", "construction_site", "crop_field", "dam", "debris_or_rubble", "educational_institution", "electric_substation", "factory_or_powerplant", "fire_station", "flooded_road", "fountain", "gas_station", "golf_course", "ground_transportation_station", "helipad", "hospital", "impoverished_settlement", "interchange", "lake_or_pond", "lighthouse", "military_facility", "multi-unit_residential", "nuclear_powerplant", "office_building", "oil_or_gas_facility", "park", "parking_lot_or_garage", "place_of_worship", "police_station", "port", "prison", "race_track", "railway_bridge", "recreational_facility", "road_bridge", "runway", "shipyard", "shopping_mall", "single-unit_residential", "smokestack", "solar_farm", "space_facility", "stadium", "storage_tank", "surface_mine", "swimming_pool", "toll_booth", "tower", "tunnel_opening", "waste_disposal", "water_treatment_facility", "wind_farm", "zoo"]

下载方式

• AWS: 可通过以下链接免费下载：
  • fMoW-full: s3://spacenet-dataset/Hosted-Datasets/fmow/fmow-full
  • fMoW-rgb: s3://spacenet-dataset/Hosted-Datasets/fmow/fmow-rgb
• BitTorrent: 可通过以下Torrent文件下载：
  • fMoW-full train and val
  • fMoW-full test
  • fMoW-full val sample with false detections
  • fMoW-full sequestered and ground truth data
  • fMoW-rgb train and val
  • fMoW-rgb test
  • fMoW-rgb val sample with false detections
  • fMoW-rgb sequestered and ground truth data

许可证

数据集受Functional Map of the World Challenge Public License保护。

AI搜集汇总

数据集介绍

构建方式

在构建Functional Map of the World (fMoW) Dataset时，研究团队采用了多光谱遥感影像，涵盖了全球范围内的多种功能性建筑和设施。数据集分为两个版本：fMoW-full和fMoW-rgb。fMoW-full以TIFF格式存储，包含4-band和8-band的多光谱图像，数据量约为3.5TB。而fMoW-rgb则以JPEG格式存储，所有多光谱图像已转换为RGB格式，数据量显著减少至约200GB。数据集的构建过程中，研究团队还提供了详细的元数据，包括类别标签和地理坐标，以支持图像的分类和定位任务。

特点

Functional Map of the World (fMoW) Dataset的显著特点在于其广泛的地理覆盖和多样的功能性建筑类别。数据集包含了从机场到风力发电场等62种不同的建筑和设施类别，为遥感图像的分类和识别提供了丰富的训练和测试样本。此外，数据集的构建考虑了不同光谱信息的利用，提供了多光谱和RGB两种格式的图像，以满足不同应用场景的需求。数据集还包含了详细的元数据，如地理坐标和类别标签，增强了其在地理信息系统和遥感分析中的应用价值。

使用方法

使用Functional Map of the World (fMoW) Dataset时，用户可以通过AWS平台免费下载数据集的两个版本：fMoW-full和fMoW-rgb。下载过程可以通过AWS CLI工具进行，用户首先需要获取数据集的目录列表，然后下载包含所有图像和元数据的manifest.json.bz2文件。对于已结束的挑战赛，用户还可以访问包含所有原始元数据（包括类别标签和GPS坐标）的隔离和地面实况数据。此外，数据集提供了边界框格式和类别映射文件，帮助用户进行图像的分类和定位任务。

背景与挑战

背景概述

功能世界地图（Functional Map of the World, fMoW）数据集由Gordon Christie、Neil Fendley、James Wilson和Ryan Mukherjee等研究人员于2018年创建，旨在解决高分辨率卫星图像中的目标识别与分类问题。该数据集包含超过3.5TB的4-band和8-band多光谱图像，涵盖了全球范围内的多种功能性建筑和设施，如机场、医院、军事设施等。fMoW数据集的发布不仅推动了遥感图像处理技术的发展，还为相关领域的研究提供了丰富的数据资源，极大地促进了基于卫星图像的智能分析与应用。

当前挑战

尽管fMoW数据集在遥感图像分类领域具有重要意义，但其构建与应用过程中仍面临诸多挑战。首先，数据集的庞大规模（约3.5TB）对存储和处理能力提出了极高要求。其次，多光谱图像的复杂性增加了特征提取与分类的难度。此外，数据集中部分国家代码的无效性以及GPS坐标等元数据的缺失，进一步增加了数据处理的复杂性。最后，尽管挑战赛已结束，如何有效利用已发布的地面实况数据进行模型训练与验证，仍需进一步研究和探索。

常用场景

经典使用场景

在遥感图像分析领域，Functional Map of the World (fMoW) 数据集的经典使用场景主要集中在建筑物和基础设施的自动识别与分类。该数据集通过提供全球范围内的多光谱和高分辨率图像，支持研究人员开发和验证基于深度学习的图像识别算法。例如，通过训练模型识别机场、港口、工厂等特定功能区域，可以显著提升遥感图像的自动化分析能力。

衍生相关工作

基于 fMoW 数据集，许多相关研究工作得以展开，特别是在深度学习和计算机视觉领域。例如，有研究利用该数据集开发了新的图像分割和目标检测算法，显著提升了遥感图像的解析精度。此外，还有研究探讨了如何利用多光谱数据进行更精细的场景分类，进一步推动了遥感技术的应用边界。这些衍生工作不仅丰富了数据集的应用场景，也为后续研究提供了宝贵的参考和借鉴。

数据集最近研究

最新研究方向

在遥感图像分析领域，Functional Map of the World (fMoW) 数据集的最新研究方向主要集中在多光谱图像的深度学习应用上。研究者们致力于开发更高效的模型，以从fMoW-full数据集中提取和分类复杂的地面特征。此外，随着数据隐私和安全问题的日益重要，研究也转向如何在保护数据隐私的前提下，利用fMoW数据集进行模型训练和验证。这些研究不仅推动了遥感技术的进步，也为全球地理信息系统的精确化提供了新的可能性。