shanmuga12nivetha/university-1652

--- license: fair-noncommercial-research-license language: - en tags: - computer-vision - geo-localization - drone - satellite-imagery dataset_info: features: - name: image dtype: string - name: building_id dtype: string - name: view_type dtype: string - name: split_type dtype: string splits: - name: train num_bytes: 3176316 num_examples: 49644 - name: test num_bytes: 6458377 num_examples: 96372 download_size: 1363677 dataset_size: 9634693 configs: - config_name: default data_files: - split: train path: data/train-* - split: test path: data/test-* --- # University-1652: Drone-based Geo-localization Benchmark 🚁 <image-card alt="Sample" src="https://raw.githubusercontent.com/layumi/University1652-Baseline/master/docs/index_files/Data.jpg" ></image-card> University-1652 is a multi-view dataset for drone-based geo-localization, annotating **1652 buildings across 72 universities** (ACM Multimedia 2020, [paper](https://arxiv.org/abs/2002.12186)). Cited in **50+ papers**, it supports **Drone → Satellite localization** and **Satellite → Drone navigation**. ## Dataset Structure - **Splits**: - Train: 50,218 images (drone, satellite, street, google; 33 universities) - Test: - query_drone: 37,855 images - gallery_drone: 51,355 images - query_street: 2,579 images - gallery_street: 2,921 images - query_satellite: 701 images - gallery_satellite: 951 images - 4K_drone: 12 images - **Features**: - `image`: Drone/satellite/street/4K_drone images - `building_id`: Building identifier - `view_type`: drone/satellite/street/drone_4k - `split_type`: train/query/gallery - **Size**: ~9.2GB (unzipped) ## Usage ```python from datasets import load_dataset ds = load_dataset("layumi/university-1652", split="train") ds[0] # {'image': ..., 'building_id': '0001', 'view_type': 'drone', 'split_type': 'train'}license: fair-noncommercial-research-license（公平非商业研究许可证） language: - en（英语） tags: - computer-vision（计算机视觉） - geo-localization（地理定位） - drone（无人机） - satellite-imagery（卫星影像） dataset_info: features: - name: image（图像） dtype: string（字符串） - name: building_id（建筑标识符） dtype: string（字符串） - name: view_type（视角类型） dtype: string（字符串） - name: split_type（划分类型） dtype: string（字符串） splits: - name: train（训练集） num_bytes: 3176316 num_examples: 49644 - name: test（测试集） num_bytes: 6458377 num_examples: 96372 download_size: 1363677 dataset_size: 9634693 configs: - config_name: default（默认配置） data_files: - split: train（训练集） path: data/train-* - split: test（测试集） path: data/test-* # University-1652：基于无人机的地理定位基准数据集 🚁 <image-card alt="示例样本" src="https://raw.githubusercontent.com/layumi/University1652-Baseline/master/docs/index_files/Data.jpg"></image-card> University-1652是一款面向无人机地理定位的多视角数据集，为**72所高校的1652栋建筑**标注了对应数据（收录于ACM Multimedia 2020，[论文链接](https://arxiv.org/abs/2002.12186)）。该数据集已被50余篇学术论文引用，可支持**无人机→卫星地理定位**与**卫星→无人机导航**两类任务。 ## 数据集结构 - **划分方式**： - 训练集：共50218张图像（涵盖无人机、卫星、街景、谷歌影像四类视角，对应33所高校） - 测试集： - 查询集（无人机视角）：37855张图像 - 图库集（无人机视角）：51355张图像 - 查询集（街景视角）：2579张图像 - 图库集（街景视角）：2921张图像 - 查询集（卫星视角）：701张图像 - 图库集（卫星视角）：951张图像 - 4K无人机视角：12张图像 - **特征说明**： - `image`：无人机、卫星、街景或4K无人机视角的图像 - `building_id`：建筑唯一标识符 - `view_type`：视角类型，可选值为drone（无人机）、satellite（卫星）、street（街景）、drone_4k（4K无人机） - `split_type`：划分类型，可选值为train（训练）、query（查询）、gallery（图库） - **体积大小**：解压后约9.2GB ## 使用示例 python from datasets import load_dataset ds = load_dataset("layumi/university-1652", split="train") ds[0] # {'image': ..., 'building_id': '0001', 'view_type': 'drone', 'split_type': 'train'}