jonathan-roberts1/NWPU-RESISC45

NWPU-RESISC45数据集是一个用于遥感图像场景分类的基准数据集，包含45种不同的场景类别，如飞机、机场、棒球场等。数据集主要用于图像分类和零样本图像分类任务。训练集包含31500个样本，总大小为381151705字节。数据集的许可证为other。

The NWPU-RESISC45 dataset is a benchmark dataset for remote sensing image scene classification, containing 45 distinct scene categories such as airplanes, airports, baseball fields and so on. It is primarily used for image classification and zero-shot image classification tasks. The training set includes 31,500 samples with a total size of 381,151,705 bytes. The license of this dataset is "other".

原始信息汇总

数据集概述

数据集名称

NWPU-RESISC45

数据集特征

• 特征名称：image
  • 数据类型：image
• 特征名称：label
  • 数据类型：class_label
  • 类别名称：
    • 0: airplane
    • 1: airport
    • 2: baseball diamond
    • 3: basketball court
    • 4: beach
    • 5: bridge
    • 6: chaparral
    • 7: church
    • 8: circular farmland
    • 9: cloud
    • 10: commercial area
    • 11: dense residential
    • 12: desert
    • 13: forest
    • 14: freeway
    • 15: golf course
    • 16: ground track field
    • 17: harbor
    • 18: industrial area
    • 19: intersection
    • 20: island
    • 21: lake
    • 22: meadow
    • 23: medium residential
    • 24: mobile home park
    • 25: mountain
    • 26: overpass
    • 27: palace
    • 28: parking lot
    • 29: railway
    • 30: railway station
    • 31: rectangular farmland
    • 32: river
    • 33: roundabout
    • 34: runway
    • 35: sea ice
    • 36: ship
    • 37: snowberg
    • 38: sparse residential
    • 39: stadium
    • 40: storage tank
    • 41: tennis court
    • 42: terrace
    • 43: thermal power station
    • 44: wetland

数据集分割

• 分割名称：train
  • 数据大小：381151705 bytes
  • 示例数量：31500

数据集大小

• 下载大小：424827902 bytes
• 数据集大小：381151705 bytes

许可证

other

任务类别

• image-classification
• zero-shot-image-classification

搜集汇总

数据集介绍

构建方式

NWPU-RESISC45数据集的构建基于遥感图像场景分类的需求，精心挑选了45种不同的地物类别，每类包含700张图像，总计31500张图像。这些图像来源于公开的遥感数据源，经过严格的筛选和标注，确保了数据的高质量和多样性。数据集的划分遵循训练集的标准比例，为模型训练和评估提供了坚实的基础。

特点

该数据集的显著特点在于其广泛的地物覆盖和精细的类别划分，涵盖了从自然景观到人工建筑的多种场景，如森林、湖泊、工业区等。每张图像均经过精确标注，确保了分类任务的准确性。此外，数据集的图像分辨率和多样性为遥感图像分类研究提供了丰富的资源，适用于多种图像处理和机器学习任务。

使用方法

NWPU-RESISC45数据集主要用于图像分类和零样本图像分类任务。用户可以通过加载数据集的图像和标签进行模型训练和测试，利用其丰富的类别和高质量的图像数据提升模型的分类性能。数据集的结构化设计使得用户可以轻松地进行数据预处理和模型评估，适用于多种深度学习和机器学习框架。

背景与挑战

背景概述

NWPU-RESISC45数据集由Cheng, Han和Lu于2017年创建，旨在为遥感图像场景分类提供一个标准化的基准。该数据集包含了45个不同类别的遥感图像，涵盖了从自然景观到人工建筑的广泛场景，如机场、森林、工业区等。其主要研究问题集中在如何通过深度学习技术提高遥感图像的分类准确性，这对于城市规划、环境监测和灾害评估等领域具有重要意义。该数据集的发布不仅推动了遥感图像处理技术的发展，也为相关研究提供了丰富的实验数据。

当前挑战

NWPU-RESISC45数据集在构建过程中面临的主要挑战包括图像的多类别分类问题，不同类别之间的相似性可能导致分类错误。此外，遥感图像的分辨率和光照条件变化较大，增加了模型训练的复杂性。在应用层面，如何有效利用该数据集进行模型训练，以提高分类精度和泛化能力，是当前研究的重点。同时，数据集的标注工作也面临挑战，确保标注的准确性和一致性对于模型的性能至关重要。

常用场景

经典使用场景

NWPU-RESISC45数据集在遥感图像场景分类领域中具有广泛的应用，尤其适用于训练和评估图像分类模型。该数据集包含了45种不同的地物类别，如飞机、桥梁、森林等，每类包含700张图像，总计31500张图像。这些图像的高分辨率和多样性使得该数据集成为遥感图像分类任务中的经典基准。研究者常利用此数据集进行模型训练，以提升模型在复杂场景下的分类准确性和鲁棒性。

解决学术问题

NWPU-RESISC45数据集解决了遥感图像场景分类中的关键学术问题，如地物类别的多样性和复杂性。通过提供高分辨率、多类别的图像数据，该数据集帮助研究者开发和验证能够处理复杂场景的分类算法。其丰富的类别和图像数量使得研究者能够深入探索不同地物特征的识别和分类，推动了遥感图像处理技术的发展，为相关领域的研究提供了坚实的基础。

衍生相关工作

NWPU-RESISC45数据集的发布激发了大量相关研究工作，尤其是在遥感图像分类和深度学习结合的领域。许多研究者基于此数据集提出了新的分类算法和模型架构，如卷积神经网络（CNN）和迁移学习方法。此外，该数据集还被用于验证多模态学习、零样本学习等新兴技术在遥感图像处理中的应用效果。这些衍生工作不仅提升了遥感图像分类的准确性，还推动了相关技术的创新和发展。