High-resolution aerial imagery dataset

该数据集包含从爱沙尼亚土地委员会收集的高分辨率航空影像，使用CVAT工具对汽车、飞机、公交车、船只、建筑物和卡车等感兴趣对象进行标注。影像分辨率为1:2000，尺寸为10000x10000像素，地面采样距离为10cm。训练集包含236张图像，约18,000个对象实例。此外，还有两个测试数据集，通过将原始测试图像分别降采样2倍和4倍，增加了地面采样距离至20cm和40cm。

This dataset comprises high-resolution aerial imagery collected from the Estonian Land Board, with annotations for objects of interest such as cars, airplanes, buses, ships, buildings, and trucks using the CVAT tool. The imagery has a resolution of 1:2000, dimensions of 10000x10000 pixels, and a ground sampling distance (GSD) of 10cm. The training set includes 236 images, encompassing approximately 18,000 object instances. Additionally, there are two test datasets, which were created by downsampling the original test images by factors of 2 and 4, thereby increasing the GSD to 20cm and 40cm, respectively.

原始信息汇总

Annotated Aerial Imagery Dataset 概述

数据集来源与标注

• 来源：数据集的高分辨率图像来自Land Board of Republic of Estonia。
• 标注工具：使用CVAT进行对象标注。

对象类型

• 对象：数据集关注的对象包括Car, Airplane, Bus, Watercraft, Building, 和 Truck。

图像特性

• 分辨率与比例：图像具有1:2000的比例，分辨率为10000x10000像素。
• 拍摄参数：图像在1250米高度，使用120mm焦距的Leica ADS100-SH100设备拍摄。
• 地面采样距离(GSD)：10cm。

数据集构成

• 训练集：包含236张图像，共约18k个对象实例。
• 测试集：除了主要测试集外，还有两个额外测试集，分别通过2倍和4倍下采样原始图像，使得GSD分别增加到20cm和40cm。

数据处理

• 下采样工具：提供了一个脚本用于进一步下采样图像，位于data_processing。

引用信息

• 引用格式：

  @misc{wu2019detectron2, author = {Majnun Abdurahmanov}, title = {High-resolution aerial imagery dataset}, howpublished = {url{https://github.com/MajnunMan/High-resolution-aerial-imagery-dataset}}, year = {2020} }

搜集汇总

数据集介绍

构建方式

该高分辨率航拍影像数据集从爱沙尼亚土地委员会（Land Board of Republic of Estonia）收集，利用CVAT工具对感兴趣的目标进行标注。这些目标包括汽车、飞机、公交车、船只、建筑物和卡车。影像具有1:2000的比例尺，拍摄高度为1250米，使用Leica ADS100-SH100相机，焦距为120毫米，图像尺寸为10000x10000像素，地面采样距离（GSD）为10厘米。训练数据集包含236张图像，共标注了约18,000个对象实例。此外，还通过下采样技术生成了两个测试数据集，分别将GSD增加到20厘米和40厘米，模拟了更高海拔拍摄的效果。

使用方法

使用该数据集时，用户可以参考提供的BibTeX条目进行引用。数据集包含训练和测试图像，用户可以直接用于目标检测、图像分类等任务。对于需要进一步处理图像的用户，数据集中还提供了下采样脚本，允许用户根据需求调整图像分辨率。

背景与挑战

背景概述

高分辨率航空影像数据集是由爱沙尼亚土地委员会提供的，旨在为航空影像中的目标检测提供高质量的数据支持。该数据集的核心研究问题集中在对汽车、飞机、公交车、船只、建筑和卡车等目标的精确标注与识别。通过使用CVAT工具，研究人员对236张高分辨率影像进行了详细标注，总计约18,000个目标实例。这些影像具有1:2000的比例尺，拍摄高度为1250米，使用Leica ADS100-SH100相机，具有120mm的焦距，影像分辨率为10000x10000像素，地表采样距离（GSD）为10厘米，体现了极高的分辨率。该数据集的创建不仅为航空影像分析提供了丰富的资源，也为相关领域的研究提供了新的视角和方法。

当前挑战

尽管高分辨率航空影像数据集在目标检测方面展现了显著的优势，但其构建和应用过程中仍面临诸多挑战。首先，高分辨率影像的获取和处理需要昂贵的设备和技术支持，这增加了数据集构建的成本。其次，由于影像的高分辨率特性，数据量庞大，对存储和计算资源提出了更高的要求。此外，目标的多样性和复杂性使得标注工作变得繁琐且耗时，如何提高标注效率和准确性是一个重要的挑战。最后，数据集的多样性问题也不容忽视，如何在不同分辨率和拍摄条件下保持数据的一致性和可靠性，是未来研究中需要解决的关键问题。

常用场景

经典使用场景

高分辨率航空影像数据集在遥感与计算机视觉领域中具有广泛的应用前景。其经典使用场景包括但不限于目标检测与识别任务，如车辆、飞机、公交车、船只、建筑物和卡车的自动识别。由于数据集提供了高分辨率（10000x10000像素）和精细的地面采样距离（GSD为10cm），研究人员可以利用这些影像进行精确的物体定位和分类，从而推动了遥感图像分析技术的发展。

解决学术问题

该数据集解决了遥感领域中高分辨率影像处理与目标识别的关键问题。通过提供详细的标注信息和多样化的物体类别，它为学术界提供了一个标准化的基准，用于评估和比较不同的目标检测算法。此外，数据集中的不同GSD设置（10cm、20cm、40cm）使得研究人员能够探索分辨率变化对检测性能的影响，从而深化了对遥感影像处理技术的理解。

实际应用

在实际应用中，高分辨率航空影像数据集可用于城市规划、交通管理、灾害监测等多个领域。例如，通过自动识别道路上的车辆和建筑物，城市规划者可以更有效地进行交通流量分析和基础设施评估。此外，在灾害响应中，快速准确地识别受灾区域的建筑物和车辆分布，有助于救援资源的合理分配和应急响应的优化。

数据集最近研究

最新研究方向

在遥感与地理信息系统领域，高分辨率航拍影像数据集的研究正朝着精细化与多尺度分析方向发展。该数据集通过提供1:2000比例尺的高分辨率图像，以及从1250米高空拍摄的10000x10000像素图像，为城市规划、交通管理和环境监测等应用提供了丰富的数据支持。特别是，数据集通过不同比例的降采样处理，模拟了不同高度的航拍效果，这为多尺度目标检测和场景理解研究提供了新的视角。此外，数据集中对汽车、飞机、公交车、船只、建筑和卡车等目标的详细标注，进一步推动了基于深度学习的自动化目标识别与分类技术的发展。这些研究不仅提升了遥感数据的利用效率，也为智能城市和灾害预警系统等前沿应用奠定了坚实的基础。