Awesome Satellite Imagery Datasets

一个遥感相关的开源数据集，包含语义分割、目标提取、变化检测等任务的数据集。具体包括WHU建筑数据集、马萨诸塞州建筑数据集、ISPRS Vaihingen数据集、ISPRS Potsdam数据集、Inria航空图像标注数据集、RoadNet道路数据集和LoveDA多类数据集。

This is an open-source remote sensing dataset covering tasks such as semantic segmentation, object extraction, and change detection. Specifically, it includes the WHU Building Dataset, Massachusetts Building Dataset, ISPRS Vaihingen Dataset, ISPRS Potsdam Dataset, Inria Aerial Image Labeling Dataset, RoadNet Road Dataset, and LoveDA Multi-class Dataset.

原始信息汇总

Awesome Satellite Imagery Datasets 概述

数据集列表

1. WHU 数据集

• 任务类型：图像分割
• 数据内容：
  • 航拍数据集：包含新西兰基督城0.075米分辨率、450平方公里覆盖范围的航拍图像，共220,000多座独立建筑物。
  • 卫星数据集I（全球城市）：包含来自世界各地的城市和各种遥感资源的204张图像（512×512块，分辨率0.3米至2.5米）。
  • 卫星数据集II（东亚）：包含6张邻近卫星图像，覆盖东亚860平方公里，地面分辨率0.45米，共34085座建筑物。
  • 建筑物变化检测数据集：包含2012年4月获得的航拍图像，20.5平方公里内共有12796座建筑物。

2. 马萨诸塞州建筑数据集

• 任务类型：图像分割
• 数据内容：包含波士顿地区151张航拍图像，尺寸1500×1500像素，总面积340平方公里，分为训练集、测试集和验证集。

3. ISPRS Vaihingen 数据集

• 任务类型：图像分割
• 数据内容：包含33幅不同大小的遥感图像和对应的DSM，分辨率为9厘米，共6个类别。

4. ISPRS Potsdam 数据集

• 任务类型：图像分割
• 数据内容：包含38个大小相同的图像块，由较大顶部镶嵌图提取的真正射影像构成，空间分辨率5厘米。

5. Inria Aerial Image Labeling 数据集

• 任务类型：图像分割
• 数据内容：覆盖810平方公里，空间分辨率0.3米，图像尺寸1500×1500，涵盖全球10个不同类型的城市。

6. RoadNet 数据集

• 任务类型：道路检测
• 数据内容：加拿大渥太华几个典型城区的图像，空间分辨率每像素0.21米。

7. LoveDA 数据集

• 任务类型：多类语义分割
• 数据内容：包含南京、常州、武汉三个城市的5987张0.3米高分辨率影像和166,768个标注语义对象，共7个类别。

8. landcover.ai 数据集

• 任务类型：多类语义分割
• 数据内容：波兰、中欧的航空影像土地覆盖数据，分辨率分别为25厘米和50厘米，共2个类别。

搜集汇总

数据集介绍

构建方式

本数据集通过整合全球多个来源的遥感影像构建而成，涵盖了从航拍到卫星的不同分辨率影像。其构建方式包括对新西兰基督城的航拍数据、全球不同城市的卫星影像以及特定区域的卫星图像进行收集和预处理，形成了适用于语义分割、目标提取、变化检测等多种任务的数据集。数据集构建过程中，特别注意了图像的裁剪、分割以及对应标签的生成，确保了数据的一致性和可用性。

特点

该数据集具有多源、多分辨率、多任务的特点。它不仅包含了不同地区、不同分辨率的卫星影像，还涉及了建筑物变化检测等时间序列数据。此外，数据集覆盖了全球多个城市，展现了不同地理环境下的建筑物特征，为遥感影像分析提供了丰富而全面的资源。数据集的标注质量高，有助于算法的训练和评估。

使用方法

用户可以根据具体任务需求，选择相应的数据子集进行使用。数据集提供了详细的下载链接和说明，用户可以按照指引下载所需的影像和标签数据。针对不同的应用场景，用户可采取相应的预处理步骤，如图像裁剪、归一化等，以适应不同的算法模型。此外，数据集还提供了相应的评估指标和方法，以便用户对模型性能进行准确评估。

背景与挑战

背景概述

Awesome Satellite Imagery Datasets 是一个涵盖语义分割、目标提取、变化检测等多个遥感相关任务的综合性开源数据集。该数据集的创建汇集了全球多个研究机构和专家的智慧，旨在推动遥感图像解析领域的研究与应用。其包含了WHU、Massachusetts、ISPRS Vaihingen与Potsdam、Inria Aerial Image Labeling等多个子数据集，覆盖了从全球不同城市到特定地区的广泛地理信息，具备多样化的图像来源和丰富的标注类别。自发布以来，该数据集对促进遥感图像分析技术的发展，尤其是在图像分割和变化检测等方面，起到了积极作用。

当前挑战

尽管该数据集在遥感图像分析领域具有重要价值，但在实际应用中仍面临诸多挑战。首先，由于数据集来源的多样性和地理环境的复杂性，如何保证模型在不同数据源和地理区域间的泛化能力是一个关键挑战。其次，在构建过程中，数据集面临着数据标注的一致性、图像配准的精确性以及大气和辐射校正的准确性等技术难题。此外，如何有效地处理大规模数据集，优化算法性能，以及适应不断变化的遥感技术，也是当前研究需要克服的重要挑战。

常用场景

经典使用场景

在遥感领域，Awesome Satellite Imagery Datasets 数据集因其丰富的语义分割、目标提取、变化检测等任务相关的图像资源，而被广泛应用于深度学习模型的训练与验证。该数据集涵盖了从全球不同城市收集的高分辨率卫星图像，为研究者提供了一个多样化的数据来源，以促进算法的泛化能力和稳健性。

实际应用

在实际应用中，该数据集可助力于城市规划、灾害评估、环境变化监测等多个方面。例如，通过分析卫星图像中的建筑物变化，可以有效地进行城市变迁的跟踪；同时，土地覆盖分类有助于资源管理和环境保护政策的制定。

衍生相关工作

基于该数据集，已经衍生出多项相关工作，如LoveDA数据集的构建，进一步扩展了遥感图像的语义分割研究；此外，还有研究者利用这些数据集开发了新的变化检测算法，以监测和分析城市环境变化。