ConeQuest

ConeQuest是首个专家标注的公开数据集，用于识别火星上的锥形地貌。该数据集包含来自火星三个不同区域的超过13,000个样本。

ConeQuest is the first expert-annotated open dataset dedicated to identifying cone-shaped landforms on Mars. It contains over 13,000 samples from three distinct regions on Mars.

原始信息汇总

ConeQuest 数据集概述

数据集简介

ConeQuest 是首个公开可用的专家标注的火星上三个不同区域的锥体分割数据集，每个样本都附带元数据。

数据集详情

• 数据量：包含 13,686 个来自 8 个不同子区域的样本。
• 区域：覆盖 3 个不同区域。
• 元数据：每个 CTX 瓦片（tile）的元数据。

访问方式

数据集可通过 Zenodo 访问。

使用许可

ConeQuest 数据集采用 Creative Commons Zero v1.0 Universal 许可证。

引用信息

若在研究中使用 ConeQuest 数据集，请引用以下文献：

@InProceedings{Purohit_2024_WACV, author={Purohit, Mirali and Adler, Jacob and Kerner, Hannah}, title={ConeQuest: A Benchmark for Cone Segmentation on Mars}, booktitle={Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)}, month={January}, year={2024}, pages={6026-6035} }

搜集汇总

数据集介绍

构建方式

ConeQuest数据集的构建采用火星勘测轨道器（Mars Reconnaissance Orbiter, MRO）的上下文相机（Context Camera, CTX）获取的高分辨率火星表面图像。这些图像由Murray Lab提供，并经过缝合处理，形成了覆盖整个火星表面的图像马赛克。为了创建ConeQuest，研究者选取了8个CTX子图，涵盖火星上三个不同区域的已知锥形地貌，由行星地质学家进行了专家级标注。这些子图被细分为512x512像素的块，并生成输入样本和对应的分割掩码对。此外，数据集中还包含了每个CTX马赛克块的元数据，以及每个块的属性，如经纬度、面积、边界框等。

特点

ConeQuest数据集具有以下特点：1）数据集规模庞大，包含超过13,000个样本，覆盖火星上三个不同区域；2）数据集由专家进行标注，保证了标注的准确性和可靠性；3）数据集包含元数据，如经纬度、面积、边界框等，为模型训练和评估提供了更多上下文信息；4）数据集包含了无锥形地貌的样本，有助于模型学习锥形地貌的特征。

使用方法

ConeQuest数据集可用于训练和评估分割或目标检测模型。用户可以将数据集中的输入图像和分割掩码对用于训练模型，并通过评估指标来评估模型的性能。此外，数据集中的元数据可以用于模型训练和评估，以及火星上的锥形地貌制图。用户可以使用GIS软件将数据集中的经纬度坐标绘制到地图上，从而定位锥形地貌。

背景与挑战

背景概述

ConeQuest 数据集是一个由专家注释的公共数据集，旨在帮助机器学习模型识别火星上的火山锥。该数据集由亚利桑那州立大学的研究人员创建，包括来自火星三个不同区域的超过13,000个样本。ConeQuest 数据集的创建对于行星科学具有重要意义，因为它可以帮助科学家更好地了解火星的过去气候和潜在的可居住环境。该数据集的核心研究问题是识别和分割火星上的火山锥，这对于火星科学和未来火星探测任务至关重要。

当前挑战

ConeQuest 数据集面临的主要挑战包括：(1) 火星上火山锥的识别和分割；(2) 数据集中火山锥特征的多变性；(3) 火星表面图像中阴影、对比度和光照变化的影响。此外，ConeQuest 数据集还面临着构建过程中所遇到的挑战，例如专家注释的准确性、数据集中负样本的重要性以及多地区和多尺寸类别训练对模型泛化能力的影响。为了克服这些挑战，研究人员可以采用像素级集成、直方图匹配和其他技术来提高模型性能。

常用场景

经典使用场景

ConeQuest 数据集被设计用于识别火星上的坑锥，这是一种被认为是由泥火山形成的地质特征，对研究火星过去的气候和潜在的可居住环境具有重要意义。该数据集包含了来自火星三个不同地区的超过13,000个样本，使得研究人员能够开发出能够准确分割和识别火星上坑锥的机器学习模型。ConeQuest 数据集的两个主要基准任务包括空间泛化（BM-1）和坑锥尺寸泛化（BM-2），旨在评估模型在不同地区和不同尺寸坑锥上的分割性能。

实际应用

ConeQuest 数据集在实际应用中具有广泛的前景。通过对火星坑锥的准确分割和识别，科学家可以更好地理解火星的地质历史和气候演变，为未来在火星上的探索和科研任务提供重要的地理信息。此外，该数据集还可以用于训练模型，以便在火星表面进行自主导航和资源勘探，从而为火星的探索和利用提供技术支持。

衍生相关工作

ConeQuest 数据集的推出，为火星地质学研究和计算机视觉领域的研究人员提供了一个宝贵的数据资源。基于 ConeQuest 数据集，研究人员可以进一步探索更先进的分割模型和算法，以实现对火星表面其他地质特征的自动识别和分割。此外，ConeQuest 数据集还可以促进多任务学习和跨领域学习的应用，为火星地质学和行星科学研究提供更多的可能性。