blanchon/FAIR1M

FAIR1M数据集是一个专注于高分辨率（0.3-0.8米）RGB图像的细粒度物体识别和检测数据集，图像来源于Gaofen卫星和Google Earth。该数据集包含15,000张高分辨率图像，覆盖了5个主要类别（船只、车辆、飞机、球场和道路）和37个子类别的物体。数据集提供了旋转边界框的标注，适用于遥感、地球观测、地理空间和卫星图像等领域的研究。

The FAIR1M dataset is a fine-grained object recognition and detection dataset dedicated to high-resolution (0.3–0.8 m) RGB images. The images are sourced from Gaofen satellites and Google Earth. It contains 15,000 high-resolution images, covering 5 main object categories (vessels, vehicles, aircraft, stadiums and roads) and 37 sub-categories. The dataset provides annotations with rotated bounding boxes, which is suitable for research in fields such as remote sensing, earth observation, geospatial and satellite imagery.

原始信息汇总

FAIR1M 数据集概述

基本信息

• 语言: 英语
• 许可: 未知
• 任务类别:
  • 目标检测
• 标签:
  • 遥感
  • 地球观测
  • 地理空间
  • 卫星图像
  • 目标检测
• 数据集ID: FAIR1M
• 易读名称: FAIR1M

数据集描述

• 概述: FAIR1M 数据集是一个细粒度目标识别和检测数据集，专注于高分辨率（0.3-0.8米）的RGB图像，这些图像由高分（GF）卫星拍摄并从Google Earth提取。该数据集包含15,000张高分辨率图像，涵盖多种目标和场景。数据集提供旋转边界框形式的标注，适用于属于5个主要类别（船舶、车辆、飞机、球场和道路）的37个子类别的目标。
• 对象实例数量: 100万
• 样本数量: 15,000
• 波段: 3（RGB）
• 图像尺寸: 1024x1024
• 图像分辨率: 0.3–0.8米
• 地物类别: 37
• 类别: 5个目标类别，37个目标子类别
• 场景类别: 客船、摩托艇、渔船、拖船、其他船舶、工程船、液货船、干货船、军舰、小型汽车、公交车、货车、自卸车、其他车辆、面包车、拖车、拖拉机、挖掘机、牵引车、波音737、波音747、波音777、波音787、ARJ21、C919、A220、A321、A330、A350、其他飞机、棒球场、篮球场、足球场、网球场、环岛、交叉口、桥梁
• 来源: 高分/Google Earth

使用方法

• 加载数据集: 使用 datasets.load_dataset("blanchon/FAIR1M") 加载数据集。

引用

• APA 格式: Sun, X., Wang, P., Yan, Z., Xu, F., Wang, R., Diao, W., Chen, J., Li, J., Feng, Y., Xu, T., Weinmann, M., Hinz, S., Wang, C., & Fu, K. (2021). FAIR1M: A Benchmark Dataset for Fine-grained Object Recognition in High-Resolution Remote Sensing Imagery. Isprs Journal of Photogrammetry and Remote Sensing. https://doi.org/10.1016/j.isprsjprs.2021.12.004
• BibTeX 格式: bibtex @article{sun2021fair1m, title = {FAIR1M: A Benchmark Dataset for Fine-grained Object Recognition in High-Resolution Remote Sensing Imagery}, author = {Xian Sun and Peijin Wang and Zhiyuan Yan and F. Xu and Ruiping Wang and W. Diao and Jin Chen and Jihao Li and Yingchao Feng and Tao Xu and M. Weinmann and S. Hinz and Cheng Wang and K. Fu}, journal = {Isprs Journal of Photogrammetry and Remote Sensing}, year = {2021}, doi = {10.1016/j.isprsjprs.2021.12.004}, bibSource = {Semantic Scholar https://www.semanticscholar.org/paper/6d3c2dc63ff0deec10f60e5a515c93af4f8676f2} }

搜集汇总

数据集介绍

构建方式

FAIR1M数据集的构建基于高分辨率（0.3-0.8米）的RGB图像，这些图像由Gaofen（GF）卫星拍摄并从Google Earth中提取。该数据集包含15,000张高分辨率图像，覆盖了多种物体和场景。数据集的标注采用旋转边界框的形式，涵盖了5个主要类别（船舶、车辆、飞机、球场和道路）及其37个子类别。这些标注信息为细粒度物体识别和检测提供了丰富的数据支持。

特点

FAIR1M数据集的主要特点在于其高分辨率图像和细粒度的物体分类。图像分辨率范围为0.3至0.8米，确保了物体细节的清晰呈现。数据集包含100万个物体实例，涵盖了37种不同的地物类别，为遥感图像中的物体检测提供了广泛且详尽的训练样本。此外，数据集的场景类别多样，包括各种类型的船舶、车辆、飞机和球场，为研究者提供了丰富的应用场景。

使用方法

使用FAIR1M数据集时，用户可以通过调用HuggingFace的datasets库中的load_dataset函数来加载数据集。具体操作如下：首先，导入datasets库，然后调用load_dataset函数并传入数据集名称'blanchon/FAIR1M'。加载后的数据集可用于物体检测和细粒度物体识别任务的训练和评估。在使用过程中，建议参考相关文献以确保正确理解和应用数据集。

背景与挑战

背景概述

FAIR1M数据集是由中国的高分（Gaofen）卫星和Google Earth提取的高分辨率（0.3-0.8米）RGB图像构建的细粒度目标识别和检测数据集。该数据集由15,000张高分辨率图像组成，涵盖了多种物体和场景，并提供了旋转边界框注释，涉及5个主要类别和37个子类别。FAIR1M作为ISPRS高分辨率卫星图像目标检测基准的一部分，由Xian Sun等研究人员于2021年创建，旨在推动遥感图像分析领域的发展，特别是在高分辨率图像中的目标检测和识别方面。

当前挑战

FAIR1M数据集在构建过程中面临多重挑战。首先，高分辨率图像的获取和处理需要大量的计算资源和专业知识。其次，数据集包含的37个子类别需要精细的标注，这增加了标注工作的复杂性和成本。此外，由于数据集仅部分发布（1,732/15,000张图像），研究人员在使用时需面对数据不完整的问题。最后，遥感图像中的目标检测本身就是一个复杂的问题，特别是在处理旋转边界框和多尺度目标时，模型的鲁棒性和准确性面临严峻考验。

常用场景

经典使用场景

在遥感图像分析领域，FAIR1M数据集以其高分辨率（0.3-0.8m）RGB图像和丰富的对象类别著称。该数据集主要用于细粒度对象识别和检测任务，涵盖了从船舶、车辆到飞机、球场和道路等多种对象。通过提供旋转边界框标注，FAIR1M为研究人员提供了一个强大的工具，用于开发和评估在复杂场景中精确检测和分类对象的算法。

实际应用

在实际应用中，FAIR1M数据集被广泛用于军事监控、城市规划和环境监测等领域。例如，通过分析数据集中的船舶和车辆类别，可以实现对海上交通和城市交通流量的实时监控。此外，对球场和道路类别的识别有助于城市基础设施的规划和维护。这些应用不仅提高了决策的科学性，还增强了相关领域的自动化水平。

衍生相关工作

基于FAIR1M数据集，许多研究工作得以展开，推动了遥感图像分析领域的发展。例如，有研究利用该数据集开发了新的深度学习模型，显著提高了对象检测的精度。此外，FAIR1M还激发了对多源数据融合和跨领域应用的研究，如将卫星图像与无人机图像结合，以获得更全面的地理信息。这些衍生工作不仅丰富了数据集的应用场景，也促进了相关技术的创新。