SKYSCENES
收藏资源简介：
SKYSCENES是一个包含33,600张合成航空图像的数据集，由佐治亚理工学院的研究团队创建。该数据集通过CARLA模拟器生成，涵盖了多种条件，包括不同的布局（城市和农村）、天气、白天时间、俯仰和高度。每张图像都配有密集的语义、实例分割和深度注释，旨在用于训练和评估能够适应真实世界多样场景的模型。SKYSCENES不仅作为一个合成源数据集用于训练真实世界可泛化的模型，还可以增强真实数据，以提高真实世界的表现。
SKYSCENES is a dataset consisting of 33,600 synthetic aerial images, created by a research team from the Georgia Institute of Technology. This dataset is generated using the CARLA simulator, covering diverse conditions including different layouts (urban and rural), weather conditions, times of day, pitch angles and altitudes. Each image is paired with dense semantic, instance segmentation and depth annotations, and is designed for training and evaluating models that can adapt to diverse real-world scenarios. Beyond serving as a synthetic source dataset for training real-world generalizable models, SKYSCENES can also augment real-world data to improve real-world performance.
SkyScenes 数据集概述
数据集基本信息
- 许可证：MIT
- 语言：英语
- 任务类别：
- 目标检测
- 深度估计
- 图像分割
- 标签：
- 数据集
- 航空
- 合成
- 领域适应
- 模拟到现实
数据集简介
SkyScenes 是一个合成数据集，包含从无人机视角捕获的密集标注的航空图像。该数据集通过 CARLA 模拟器生成，涵盖了多种布局（城市和乡村地图）、天气条件、时间、俯仰角和高度变化，并提供了相应的语义、实例和深度标注。
数据集规模
- 总图像数：33,600
- 布局变化：8 个城镇
- 天气与白天变化：5 种条件
- 高度和俯仰变化：12 种组合
详细变化列表
- 布局变化：
- Town01 至 Town10HD
- 天气与白天变化：
- ClearNoon
- ClearSunset
- ClearNight
- CloudyNoon
- MidRainyNoon
- 高度和俯仰变化：
- 高度 = 15m, 35m, 60m
- 俯仰角 = 0°, 45°, 60°, 90°
语义分割标签
SkyScenes 的语义分割标签涵盖 28 个类别，可进一步合并为 20 个类别。每个类别包括 ID、RGB 颜色和定义。
数据集结构
数据集按以下结构组织：
├── Images (RGB Images) │ ├── H_15_P_0 │ │ ├── ClearNoon │ │ │ ├── Town01 │ │ │ │ └── Town01.tar.gz │ │ │ ├── Town02 │ │ │ │ └── Town02.tar.gz │ │ │ ├── ... │ │ │ └── Town10HD │ │ │ └── Town10HD.tar.gz │ │ ├── ... │ ├── ... │ └── H_60_P_90 │ └── ... ├── Instance (Instance Segmentation Annotations) │ ├── H_35_P_45 │ │ └── ClearNoon │ │ ├── Town01 │ │ │ └── Town01.tar.gz │ │ ├── Town02 │ │ │ └── Town02.tar.gz │ │ ├── ... │ │ └── Town10HD │ │ └── Town10HD.tar.gz │ └── ... ├── Segment (Semantic Segmentation Annotations) │ ├── H_15_P_0 │ │ ├── ClearNoon │ │ │ ├── Town01 │ │ │ │ └── Town01.tar.gz │ │ │ ├── Town02 │ │ │ │ └── Town02.tar.gz │ │ │ ├── ... │ │ │ └── Town10HD │ │ │ └── Town10HD.tar.gz │ │ ├── ... │ │ └── H_60_P_90 │ │ └── ... │ └── ... └── Depth (Depth Annotations) ├── H_35_P_45 │ └── ClearNoon │ ├── Town01 │ │ └── Town01.tar.gz │ ├── Town02 │ │ └── Town02.tar.gz │ ├── ... │ └── Town10HD │ └── Town10HD.tar.gz └── ...
数据集下载
数据集可通过 Hugging Face 的 datasets 库和 wget 下载。支持不同子集的下载，以帮助模型在不同轴上的敏感性分析。
下载示例：wget
bash #!/bin/bash HP=(H_15_P_0 H_15_P_45 H_15_P_60 H_15_P_90 H_35_P_0 H_35_P_45 H_35_P_60 H_35_P_90 H_60_P_0 H_60_P_45 H_60_P_60 H_60_P_90) weather=(ClearNoon ClearNight ClearSunset CloudyNoon MidRainyNoon) layout=(Town01 Town02 Town03 Town04 Town05 Town06 Town07 Town10HD) base_url=(https://huggingface.co/datasets/hoffman-lab/SkyScenes/resolve/main/Images) base_download_folder=SkyScenes
for hp in "${HP[@]}"; do for w in "${weather[@]}"; do for t in "${layout[@]}"; do folder=$(echo "$base_url" | awk -F / {print $(NF)}) download_url="${base_url}/${hp}/${w}/${t}/${t}.tar.gz" download_folder="${base_download_folder}/${folder}/${hp}/${w}/${t}" mkdir -p "$download_folder" echo "Downloading: $download_url" wget -P "$download_folder" "$download_url" done done done
下载示例：datasets 库
python from datasets import load_dataset dataset = load_dataset(hoffman-lab/SkyScenes, name="H_35_P_45 images")
注意事项
- 深度和实例分割地图仅适用于 H_35_P_45，其他变化将很快提供。
- 为避免加载数据集时出现问题，建议避免下载包含重叠目录的子集。如果存在重叠目录，请在下载新子集之前清除 .cache 目录中的重叠部分。
