SRSPTD Dataset

本项目提供了一个名为SRSPTD的电力塔图像数据子集，该子集是从Electric Transmission and Distribution Infrastructure Imagery Dataset中重新裁剪和标注得到的。数据集主要关注美国四个州（亚利桑那州的Turson、康涅狄格州的Hartford、堪萨斯州的Colwich&Maize、北卡罗来纳州的Wilmington）以及新西兰的Taranga和Dunedin的图像，这些图像代表了四种地形（沙漠、平原、森林、海岸）和三种人类居住密度区域（郊区、农村、城市）。数据集的原始图像分辨率从3800到12000像素不等，为了适应模型训练需求，所有子集图像被裁剪为512*512像素。此外，由于原始数据集的标注格式不适合目标检测模型，使用labelImg重新标注了图像，将标注分为输电塔和配电塔。

This project presents a subset of power tower imagery dataset named SRSPTD, which is re-cropped and annotated from the Electric Transmission and Distribution Infrastructure Imagery Dataset. This dataset primarily covers imagery collected in four U.S. states (Turson, Arizona; Hartford, Connecticut; Colwich & Maize, Kansas; Wilmington, North Carolina) and two locations in New Zealand (Taranga and Dunedin). These imagery samples correspond to four terrain types (desert, plain, forest, and coastal) and three levels of human settlement density (suburban, rural, and urban). The original images in this dataset have resolutions ranging from 3800 to 12000 pixels. To meet the requirements of model training, all subset images were cropped to a size of 512×512 pixels. Furthermore, since the annotation format of the original dataset was incompatible with object detection models, the images were re-annotated using labelImg, with the annotations categorized into transmission towers and distribution towers.

原始信息汇总

SRSPTD 数据集

数据集概述

• 名称：SRSPTD 数据集
• 来源：从电力输配电基础设施图像数据集中重新裁剪和标注的子集
• 应用：用于电力塔检测的高分辨率卫星遥感图像

数据集详情

• 区域：包含来自美国四个州（Turson - AZ, Hartford-CT, Colwich&Maize - KS, Wilmington - NC）和新西兰的Taranga和Dunedin的图像
• 地形类型：沙漠、平原、森林和沿海
• 人口密度：郊区、农村和城市
• 图像分辨率：原始图像分辨率范围为3800至12000像素，裁剪后为512*512像素
• 标注格式：原始标注为多边形格式，重新标注为传输塔和配电塔，配电塔的阴影与其本身一起标注

数据集文件描述

• SRSPTD Dataset：提供YOLO标注格式的数据集，可根据需要划分
• SRSPTD(VOC)：提供VOC格式的数据集，训练集、验证集和测试集比例为7:2:1
• SRSPTD（5-k cross _val)：提供YOLO格式的5折交叉验证数据集，训练集与验证集比例为8:2

搜集汇总

数据集介绍

构建方式

SRSPTD数据集是从电力传输和分配基础设施图像数据集中提取的一个子集，专门针对美国四个州（亚利桑那州的图森、康涅狄格州的哈特福德、堪萨斯州的科尔威奇和梅兹、北卡罗来纳州的威尔明顿）以及新西兰的塔拉纳基和达尼丁的图像。这些图像代表了四种地形（沙漠、平原、森林和沿海）和三种人类居住密度区域（郊区、农村和城市）。原始图像的分辨率范围从3800到12000像素不等，为了适应模型的训练需求，所有图像被裁剪为512*512像素。此外，由于原始数据集的标注为多边形格式，不适合目标检测模型，因此使用labelImg工具重新标注，将标注分为传输塔和分配塔。

特点

SRSPTD数据集的一个显著特点是其多样化的地理和人口密度覆盖，涵盖了从沙漠到沿海地区的多种地形，以及从农村到城市的不同人口密度区域。这种多样性使得该数据集在训练模型时能够更好地泛化到不同环境下的电力塔检测。此外，数据集的图像分辨率高，且经过重新裁剪和标注，确保了数据的质量和适用性。分配塔在卫星图像中难以观察，因此其阴影被标注为与塔本身一体，以提供更多信息给模型。

使用方法

SRSPTD数据集提供了多种格式的数据，包括YOLO和VOC格式，用户可以根据需要选择合适的格式进行模型训练。数据集已经预先分割为训练集、验证集和测试集，比例分别为7:2:1，或者用户可以选择使用5-k交叉验证数据集，训练集与验证集的比例为8:2。此外，项目还提供了处理原始数据集、数据分割和格式转换的代码，方便用户进行进一步的数据处理和模型训练。如有任何问题，用户可以通过提供的联系方式与数据集的维护者联系。

背景与挑战

背景概述

SRSPTD数据集是基于电力传输和分配基础设施图像数据集的一个子集，由Duke大学的Bass Connections项目支持创建。该数据集包含了来自美国和新西兰六个不同地区的电力塔图像，涵盖了沙漠、平原、森林和沿海四种地形类型，以及郊区、农村和城市三种人类居住密度区域。这些图像的原始分辨率范围从3800到12000像素，经过裁剪和重新标注后，形成了适合模型训练的512*512像素图像。SRSPTD数据集的主要研究人员包括C. Shi、X. Zheng等，他们的研究集中在高分辨率卫星遥感图像中的电力塔检测，这一研究对电力基础设施的监测和管理具有重要意义。

当前挑战

SRSPTD数据集在构建过程中面临多项挑战。首先，原始图像的高分辨率和不同长宽比使得直接训练变得不切实际，因此需要进行裁剪处理。其次，原始数据集的标注格式为多边形，不适用于目标检测模型，因此需要使用labelImg工具重新标注，将标注分类为传输塔和分配塔。此外，分配塔在卫星图像中难以观察，其阴影被标注为与塔本身一体，以提供更多信息给模型。这些挑战不仅涉及数据预处理和标注的复杂性，还包括如何有效利用这些多样化数据进行模型训练，以提高电力塔检测的准确性和鲁棒性。

常用场景

经典使用场景

SRSPTD数据集在电力传输和分配基础设施的遥感图像分析中展现了其经典应用场景。该数据集通过高分辨率卫星和航空图像，涵盖了从沙漠到森林、从沿海到平原的多样化地形，以及从郊区到农村再到城市的不同人类居住密度区域。这些图像被裁剪为512*512像素，并重新标注为传输塔和分配塔，以适应目标检测模型的训练需求。这种精细化的数据处理使得SRSPTD数据集在电力塔检测任务中表现卓越，尤其是在高分辨率卫星图像中的应用。

解决学术问题

SRSPTD数据集在解决电力传输和分配基础设施的遥感图像分析中的学术问题方面具有重要意义。通过提供高分辨率、多地形和多人类居住密度区域的图像，该数据集为研究者提供了一个全面且多样化的数据平台，有助于推动电力塔检测算法的发展。此外，数据集中的重新标注工作，特别是对分配塔及其阴影的标注，为模型提供了更多有价值的信息，从而提高了检测的准确性和鲁棒性。

衍生相关工作

SRSPTD数据集的发布催生了一系列相关研究工作。例如，基于该数据集的LSKF-YOLO模型在电力塔检测任务中取得了显著成果，其在大选择性核特征融合网络的设计上展现了创新性。此外，数据集的多格式支持（如YOLO和VOC格式）促进了不同检测算法的比较和优化。这些衍生工作不仅提升了电力塔检测的准确性，还为遥感图像分析领域的其他应用提供了新的思路和方法。