RSI LS-VHR-2

RSI LS-VHR-2数据集是一个大规模的遥感图像对象检测数据集，主要包含飞机和船只两类目标。该数据集具有丰富的图像变异性，来自不同传感器和平台，包含203个机场和30个港口。数据集规模大，原始图像的宽度和高度在5000到18000像素之间，包含各种尺度、方向和形状的对象。数据集包含172,353个正样本，分布在3255个大尺度遥感图像中，这些图像被切割成115,989个子图像。此外，还增加了31,992个碎片实例用于数据增强，以测试训练模型的检测不完全目标的能力。所有原始大尺度图像都通过非重叠滑动窗口进行切割，子图像大小统一为600x600像素。

The RSI LS-VHR-2 dataset is a large-scale remote sensing image object detection dataset, primarily containing two types of targets: aircraft and ships. This dataset exhibits rich image variability, sourced from different sensors and platforms, encompassing 203 airports and 30 ports. The dataset is extensive, with the width and height of the original images ranging between 5000 and 18000 pixels, including objects of various scales, orientations, and shapes. The dataset comprises 172,353 positive samples distributed across 3,255 large-scale remote sensing images, which are segmented into 115,989 sub-images. Additionally, 31,992 fragment instances have been added for data augmentation to test the detection capabilities of training models for incomplete targets. All original large-scale images are segmented using a non-overlapping sliding window, with sub-images uniformly sized at 600x600 pixels.

原始信息汇总

数据集概述

数据集名称

RSI LS-VHR-2

数据集内容

• 类别: 飞机和船只
• 总实例数: 172,353 (飞机103,917，船只68,436)
• 完整实例数: 飞机85,975，船只54,386
• 碎片实例数: 飞机17,942，船只14,050
• 场景类别数: 机场203，港口30
• 图像数: 飞机2,858，船只397
• 图像宽度范围: 5000-18000像素
• 子图像数: 飞机62,129，船只53,860
• 子图像尺寸: 600×600像素

数据集特点

1. 图像多样性: 数据集来自不同传感器和平台，包含多种场景。
2. 大规模: 原始图像尺寸大，包含多种尺度、方向和形状的目标。
3. 实例丰富: 包含大量正样本，分布在3255张大尺度遥感图像中。
4. 目标差异性: 包含31,992个碎片实例，用于测试模型对不完整目标的检测能力。

测试图像详情

• 类别: 飞机和船只
• 图像尺寸: 8000 x 8000像素
• 图像数: 各5张
• 实例数: 飞机272，船只225
• 子图像数: 各980

版本信息

• 版本: RSI-LS-VHR-2-DATASE - v1.0
• 内容: 包含所有用于训练和验证的图像
• 更新计划: 未来将持续改进

搜集汇总

数据集介绍

构建方式

RSI LS-VHR-2数据集的构建旨在推动遥感目标检测领域的性能评估研究。该数据集通过从不同传感器和平台收集的大规模遥感图像，涵盖了203个机场和30个港口。原始图像的分辨率范围广泛，宽度和高度在5000至18000像素之间。为了生成子图像，采用了非重叠滑动窗口的方法，将原始图像裁剪为600×600像素的统一尺寸，以便于特征提取。此外，数据集还通过添加31992个碎片实例进行数据增强，以测试模型对不完整目标的检测能力。

特点

RSI LS-VHR-2数据集具有显著的多样性、大规模性和丰富的实例数量。其图像来源广泛，涵盖了不同传感器和平台的数据，确保了图像的多变性。数据集中包含172,353个正样本，包括103,917架飞机和68,436艘船只，这些样本来自3255张大规模遥感图像，并裁剪为115,989个子图像。此外，数据集还包含了31,992个碎片实例，用于增强模型的鲁棒性。图像的分辨率范围从5000到18000像素，目标在尺度、方向和形状上表现出极大的多样性。

使用方法

RSI LS-VHR-2数据集的使用方法主要围绕遥感目标检测任务展开。用户可以通过加载数据集中的子图像进行模型训练和验证。每个子图像的尺寸统一为600×600像素，便于特征提取和模型输入。数据集中的碎片实例可用于测试模型对不完整目标的检测能力。用户还可以利用数据集中提供的测试图像进行模型性能评估，测试图像的分辨率为8000×8000像素，包含272个飞机实例和225个船只实例。通过该数据集，研究人员能够有效评估和提升遥感目标检测模型的性能。

背景与挑战

背景概述

RSI LS-VHR-2数据集是为推动遥感目标检测领域的性能评估研究而构建的，其规模远超该领域大多数现有数据集。该数据集由Damon等研究人员于2019年发布，主要聚焦于飞机和船只两类目标的检测。数据集包含来自不同传感器和平台的图像，覆盖203个机场和30个港口，图像分辨率从5000到18000像素不等，总计包含172,353个正样本和31,992个碎片化实例。RSI LS-VHR-2的构建旨在通过大规模、多样化的数据提升目标检测模型的泛化能力，为遥感图像分析领域的研究提供了重要的数据支持。

当前挑战

RSI LS-VHR-2数据集在构建和应用过程中面临多重挑战。首先，遥感图像中目标的多尺度、多方向和多形状特性对检测算法的鲁棒性提出了极高要求。其次，数据集中包含大量碎片化实例，这些不完整目标的检测对模型的泛化能力构成了严峻考验。此外，数据集的构建过程涉及大规模图像的裁剪与标注，如何在保证数据质量的同时高效处理海量数据成为技术难点。最后，遥感图像的高分辨率和复杂场景背景进一步增加了特征提取和目标定位的难度，这对算法的计算效率和精度提出了双重挑战。

常用场景

经典使用场景

RSI LS-VHR-2数据集在遥感图像目标检测领域具有广泛的应用，尤其是在飞机和船只的检测任务中表现突出。该数据集通过提供大规模、高分辨率的遥感图像，支持研究人员开发并验证先进的深度学习模型。其丰富的图像变异性和大规模数据量使得模型能够在不同传感器和平台采集的图像上进行泛化能力的测试。

解决学术问题

RSI LS-VHR-2数据集解决了遥感图像目标检测中的多个关键问题。首先，其大规模和高分辨率的特性使得模型能够更好地处理复杂场景下的目标检测任务。其次，数据集中包含的碎片化实例为模型在不完整目标检测方面的性能评估提供了重要支持。此外，数据集的多目标差异性和丰富的实例数量为模型在多样性和鲁棒性方面的研究提供了坚实的基础。

衍生相关工作

基于RSI LS-VHR-2数据集，研究人员已经开发了多种先进的目标检测算法和模型。例如，一些工作利用该数据集验证了多尺度目标检测方法的有效性，另一些研究则专注于碎片化目标的检测问题。这些衍生工作不仅推动了遥感图像目标检测领域的技术进步，也为其他相关领域的研究提供了宝贵的参考和借鉴。