Building change detection dataset

我们的数据集涵盖了2011年2月发生6.3级地震并在接下来的几年中重建的区域。该数据集由在2012年4月中获得的航拍图像组成，其中包含20.5平方公里的12796栋建筑物 (同一区域2016年数据集中的16077栋建筑物)。通过在地面上手动选择30个gcp，将子数据集以1.6像素的精度地理校正为空中数据集。这个子数据集和来自原始数据集的相应图像现在与建筑矢量和栅格地图一起公开提供。(2018/12/12更新) 我们改进了矢量形状，并提供了一个名为 “A_training_aera_before_change” 的新2012数据集，用于在更改之前为场景训练CNN建筑提取模型。对于2016的CNN模型，您可以使用第1.3节 “裁剪图像图块和栅格标签 (建议使用5G)” 中提供的数据集进行培训。因此，两个100% 重叠的数据集，分别命名为 “after_change” 和 “before_change”，可以被充分地用于测试变化检测算法的效果。

Our dataset covers the area that experienced a M6.3 earthquake in February 2011 and underwent reconstruction in the subsequent years. The dataset consists of aerial imagery acquired in mid-April 2012, which contains 12,796 buildings across 20.5 square kilometers (compared to 16,077 buildings in the 2016 dataset of the same region). The sub-dataset was georeferenced to the aerial dataset with a precision of 1.6 pixels by manually selecting 30 ground control points (GCPs) on the ground. This sub-dataset and the corresponding images from the original dataset are now publicly available along with building vectors and raster maps. (Updated on December 12, 2018) We have refined the vector shapes and released a new 2012 dataset titled "A_training_aera_before_change" for training CNN-based building extraction models prior to scene changes. For 2016 CNN models, you can use the dataset provided in Section 1.3 "Cropping Image Tiles and Raster Labels (Recommended for 5G)" for training. Consequently, two fully overlapping datasets named "after_change" and "before_change" can be fully utilized to test the performance of change detection algorithms.

搜集汇总

背景与挑战

背景概述

这是一个用于建筑物变化检测的遥感数据集，覆盖2011年地震后重建区域，包含2012年和2016年的高精度航拍图像，分别标注了12796和16077栋建筑物。数据集提供'before_change'和'after_change'两个重叠部分，专门用于训练CNN建筑提取模型和测试变化检测算法，由武汉大学于2018年发布。