Semantic Riverscapes Dataset

Semantic Riverscapes是一个新的基于无人机的斜视语义分割开放数据集，专注于河流景观。该数据集包含400张高分辨率图像，覆盖河流及其周边区域，每张图像大小为1800 x 1480像素。每个图像均经过人工标注，共选择了14个类别进行标注。

Semantic Riverscapes is a novel open dataset for oblique semantic segmentation based on drone imagery, focusing on riverine landscapes. The dataset comprises 400 high-resolution images, each sized 1800 x 1480 pixels, covering rivers and their surrounding areas. Each image has been manually annotated, with a total of 14 categories selected for annotation.

原始信息汇总

数据集概述

数据集名称

Semantic Riverscapes Dataset

数据集描述

Semantic Riverscapes 是一个基于无人机拍摄的河流景观斜视语义分割开放数据集。该数据集包含400张高分辨率图像，覆盖河流及其周边区域，每张图像大小为1800 x 1480像素。所有图像均经过人工标注。

数据集内容

• 图像数量：400张
• 图像分辨率：1800 x 1480像素
• 标注类别：共14类，包括：
  • 建筑
  • 小屋
  • 施工中地点
  • 树
  • 草
  • 水草
  • 土壤
  • 硬地
  • 水
  • 天空
  • 人
  • 汽车
  • 船
  • 空白区域

数据收集

• 设备：DJI Mavic Air 2无人机
• 高度：30至60米
• 地点：天津的大运河和海河段
• 时间：2021年7月至9月，每天10 am至6 pm

数据集访问

数据集可通过Google Drive下载。

引用信息

若在研究中使用此数据集，请引用以下文献：

Luo J, Zhao T, Cao L, Biljecki F (2022): Semantic Riverscapes: Perception and evaluation of linear landscapes from oblique imagery using computer vision. Landscape and Urban Planning, 228: 104569.

许可证

本数据集遵循CC BY-NC-SA 4.0许可协议。

搜集汇总

数据集介绍

构建方式

Semantic Riverscapes Dataset的构建基于无人机采集的高分辨率倾斜影像数据。研究团队使用DJI Mavic Air 2无人机在30至60米的高度范围内，于2021年7月至9月期间，在天津段的京杭大运河和海河区域进行了为期四天的数据采集。所有影像均在稳定的光照条件下拍摄，确保了数据的一致性和质量。每张影像的分辨率为1800 x 1480像素，并经过人工标注，涵盖了14个类别，包括建筑、树木、水体等。

特点

该数据集包含400张高分辨率倾斜影像，覆盖河流及其周边区域，具有丰富的语义信息。影像中的每个像素均经过精确标注，涵盖了14个类别，能够为河流景观的语义分割任务提供高质量的训练和验证数据。数据集的地理位置信息完整，且影像采集时间集中，确保了数据的一致性和可重复性。此外，数据集的开放性和详细的标注信息使其成为河流景观研究的重要资源。

使用方法

Semantic Riverscapes Dataset可通过Google Drive下载，适用于计算机视觉领域的语义分割任务。用户可基于该数据集训练深度学习模型，用于河流景观的自动识别与分类。数据集的使用需遵循CC BY-NC-SA 4.0许可协议，并在研究中引用相关文献。研究团队提供了详细的文档和示例，帮助用户快速上手。此外，用户可通过联系研究团队获取更多技术支持和反馈。

背景与挑战

背景概述

Semantic Riverscapes Dataset是由新加坡国立大学城市分析实验室于2021年创建的一个基于无人机倾斜摄影的语义分割开放数据集，专注于河流景观的研究。该数据集包含400张高分辨率图像，覆盖河流及其周边区域，每张图像尺寸为1800 x 1480像素，并手动标注了14个类别。数据集的主要研究问题是通过计算机视觉技术对线性景观进行感知与评估，相关研究成果发表于《Landscape and Urban Planning》期刊。该数据集为河流景观的自动化分析与保护提供了重要的数据支持，推动了地理信息科学和城市规划领域的交叉研究。

当前挑战

Semantic Riverscapes Dataset在解决河流景观语义分割问题时面临多重挑战。首先，河流景观具有复杂的空间结构和多样的地物类别，如何准确区分并标注这些类别是核心难题。其次，无人机倾斜摄影在数据采集过程中易受光照、天气和飞行高度等因素影响，导致图像质量不稳定。此外，手动标注高分辨率图像需要大量人力和时间，且标注一致性难以保证。在构建过程中，研究团队还需克服数据存储与处理的效率问题，以及如何在有限的计算资源下实现大规模图像的高效分析与标注。这些挑战不仅影响了数据集的构建效率，也对后续的算法开发与应用提出了更高要求。

常用场景

经典使用场景

Semantic Riverscapes Dataset 主要用于河流景观的语义分割研究，特别是在无人机倾斜摄影技术下的高分辨率图像分析。该数据集通过提供400张高分辨率图像，涵盖了河流及其周边区域的多种地物类别，为研究者提供了一个丰富的实验平台。这些图像经过人工标注，包含14个类别，如建筑物、树木、水体等，能够支持复杂的语义分割任务。

衍生相关工作

基于 Semantic Riverscapes Dataset，研究者已经开发了多种语义分割模型，并在河流景观分析中取得了显著成果。相关研究不仅推动了计算机视觉技术在河流景观分析中的应用，还为城市规划、生态保护等领域提供了新的研究思路。例如，Luo 等人（2022）在《Landscape and Urban Planning》上发表的研究，展示了如何利用该数据集进行河流景观的感知与评估。

数据集最近研究

最新研究方向

近年来，随着无人机技术和计算机视觉的快速发展，Semantic Riverscapes Dataset在河流景观的语义分割领域引起了广泛关注。该数据集通过高分辨率的倾斜摄影图像，提供了河流及其周边环境的详细标注，涵盖了建筑、树木、水体等14个类别。这一数据集为研究线性景观的感知与评估提供了重要支持，特别是在文化遗产保护和城市规划领域。当前的研究热点包括基于深度学习的语义分割算法优化、多源数据融合以及河流生态系统的动态监测。这些研究不仅推动了计算机视觉技术在环境科学中的应用，还为河流景观的可持续发展提供了科学依据。