Awesome Satellite Imagery Datasets

包含多个卫星图像数据集，用于计算机视觉和深度学习，每个数据集都有详细的描述和使用场景。

This dataset comprises multiple satellite image collections, specifically designed for computer vision and deep learning applications. Each collection is accompanied by comprehensive descriptions and potential use cases.

原始信息汇总

数据集概述

实例分割

1. Spacenet Challenge Round 4 - Off-nadir

   • 发布时间：Dec 2018
   • 数据内容：126k建筑轮廓（亚特兰大），27张WorldView 2图像（0.3m分辨率），7-54度偏离天底角。

2. Airbus Ship Detection Challenge

   • 发布时间：Nov 2018
   • 数据内容：131k船只，104k训练/88k测试图像片，卫星图像（1.5m分辨率）。

3. Open AI Challenge: Tanzania

   • 发布时间：Nov 2018
   • 数据内容：建筑轮廓及3种建筑条件，RGB无人机图像。

4. Netherlands LPIS agricultural field boundaries

   • 数据内容：294种作物/植被类别，780k地块，2009-2018年年度数据集。

5. Denmark LPIS agricultural field boundaries

   • 数据内容：293种作物/植被类别，600k地块，2008-2018年年度数据集。

6. CrowdAI Mapping Challenge

   • 发布时间：May 2018
   • 数据内容：建筑轮廓，RGB卫星图像，COCO数据格式。

7. Spacenet Challenge Round 2 - Buildings

   • 发布时间：May 2017
   • 数据内容：685k建筑轮廓，3/8波段Worldview-3图像（0.3m分辨率），5个城市。

8. Spacenet Challenge Round 1 - Buildings

   • 发布时间：Jan 2017
   • 数据内容：建筑轮廓（里约热内卢），3/8波段Worldview-3图像（0.5m分辨率）。

目标检测

1. DOTA: Large-scale Dataset for Object Detection in Aerial Images

   • 数据内容：15类对象，188k实例，Google Earth图像片，Faster-RCNN基准模型（MXNet）。

2. xView 2018 Detection Challenge

   • 发布时间：Jul 2018
   • 数据内容：60类对象，1百万实例，Worldview-3图像（0.3m分辨率），COCO数据格式。

3. Open AI Challenge: Aerial Imagery of South Pacific Islands

   • 发布时间：May 2018
   • 数据内容：树位置及4种树种，RGB无人机图像（0.4m/0.8m分辨率）。

4. NIST DSE Plant Identification with NEON Remote Sensing Data

   • 发布时间：Oct 2017
   • 数据内容：树位置，树种和冠层参数，高光谱（1m分辨率）& RGB图像（0.25m分辨率）。

5. NOAA Fisheries Steller Sea Lion Population Count

   • 发布时间：Jun 2017
   • 数据内容：5类海狮，约80k实例，约1k空中图像。

6. Spacenet Rio De Janeiro Points of Interest Dataset

   • 发布时间：Jan 2017
   • 数据内容：460类对象，120k点（11k手动确认），3/8波段Worldview-3图像（0.5m分辨率）。

7. Cars Overhead With Context (COWC)

   • 数据内容：32k车辆边界框，空中图像（0.15m分辨率），6个城市。

语义分割

1. Agricultural Crop Cover Classification Challenge

   • 发布时间：Jul 2018
   • 数据内容：2主要类别玉米和大豆，Landsat 8图像（30m分辨率）。

2. Spacenet Challenge Round 3 - Roads

   • 发布时间：Feb 2018
   • 数据内容：8000公里道路，5个城市区域，3/8波段Worldview-3图像（0.3m分辨率）。

3. Urban 3D Challenge

   • 发布时间：Dec 2017
   • 数据内容：157k建筑轮廓掩码，RGB正射影像（0.5m分辨率），DSM/DTM，3个城市。

4. DSTL Satellite Imagery Feature Detection Challenge

   • 发布时间：Feb 2017
   • 数据内容：10土地覆盖类别，57 1x1km图像，3/16波段Worldview 3图像（0.3m-7.5m分辨率）。

5. Inria Aerial Image Labeling

   • 数据内容：建筑轮廓掩码，RGB空中图像（0.3m分辨率），5个城市。

6. ISPRS Potsdam 2D Semantic Labeling Contest

   • 数据内容：6城市土地覆盖类，栅格掩码标签，4波段RGB-IR空中图像（0.05m分辨率）& DSM。

芯片分类（图像识别）

1. Alibaba Cloud German AI Challenge 2019

   • 发布时间：Jan 2018
   • 数据内容：本地气候区分类，17类（10城市，7农村），400k 32x32像素芯片覆盖42个城市，Sentinel 2 & Sentinel 1（均10m分辨率）。

2. Statoil/C-CORE Iceberg Classifier Challenge

   • 发布时间：Jan 2018
   • 数据内容：2类船只和冰山，2波段HH/HV极化SAR图像。

3. Functional Map of the World Challenge

   • 发布时间：Dec 2017
   • 数据内容：63类对象，1百万芯片，4/8波段卫星图像（0.3m分辨率），COCO数据格式。

4. EuroSAT

   • 发布时间：Aug 2017
   • 数据内容：10土地覆盖类别，27k 64x64像素芯片，3/16波段Sentinel-2卫星图像（10m分辨率），覆盖30个国家城市。

5. Planet: Understanding the Amazon from Space

   • 发布时间：Jul 2017
   • 数据内容：13土地覆盖类别+4云条件类别，4波段（RGB-NIR）卫星图像（5m分辨率），亚马逊雨林。

6. Deepsat: SAT-4/SAT-6 airborne datasets

   • 发布时间：2015
   • 数据内容：6土地覆盖类别，400k 28x28像素芯片，4波段RGBNIR空中图像（1m分辨率）。

7. UC Merced Land Use Dataset

   • 发布时间：Oct 2010
   • 数据内容：21土地覆盖类别，每类100芯片，空中图像（0.30m分辨率）。

其他焦点/多任务

1. DEEPGLOBE - 2018 Satellite Challange

   • 发布时间：Apr 2018
   • 数据内容：三个挑战赛道：道路提取，建筑检测，土地覆盖分类。

2. IEEE Data Fusion Contest 2018

   • 发布时间：-Mar 2018
   • 数据内容：20土地覆盖类别，融合三种数据源：多光谱LiDAR，高光谱（1m），RGB图像（0.05m分辨率）。

3. TiSeLaC : Time Series Land Cover Classification Challenge

   • 发布时间：Jul 2017
   • 数据内容：土地覆盖时间序列分类（9类别），Landsat-8（23图像时间序列，10波段特征，30m分辨率），留尼汪岛。

4. Multi-View Stereo 3D Mapping Challenge

   • 发布时间：Nov 2016
   • 数据内容：开发Multi-View Stereo（MVS）3D映射算法，将高分辨率Worldview-3卫星图像转换为3D点云，0.2m激光雷达地面实况数据。

5. Draper Satellite Image Chronology

   • 发布时间：Jun 2016
   • 数据内容：预测同一地点拍摄的图像的年代顺序，Kaggle内核。

搜集汇总

数据集介绍

构建方式

Awesome Satellite Imagery Datasets 是一个涵盖多种卫星影像数据集的集合，旨在为计算机视觉和深度学习任务提供丰富的标注数据。该数据集的构建基于多个公开的卫星影像挑战赛和数据集，涵盖了实例分割、目标检测、语义分割、图像分类等多个任务。每个数据集均来自不同的研究机构或企业，如Spacenet、Airbus、CrowdAI等，数据来源包括高分辨率卫星影像、无人机影像以及多光谱影像等。数据集的构建过程中，采用了多种标注方式，如建筑物轮廓、道路网络、植被分类等，确保了数据的多样性和广泛的应用场景。

使用方法

使用Awesome Satellite Imagery Datasets时，研究人员可以根据具体任务选择相应的数据集。例如，对于建筑物检测任务，可以选择Spacenet Challenge Round 2 - Buildings数据集；对于农业植被分类任务，可以选择Netherlands LPIS agricultural field boundaries数据集。每个数据集通常提供了详细的标注信息和影像数据，用户可以通过Kaggle、GitHub等平台获取数据并参与相关挑战赛。此外，部分数据集还提供了预训练模型和开发工具包，用户可以直接使用这些工具进行模型训练和验证。数据集的使用不仅限于学术研究，还可应用于城市规划、环境监测、灾害评估等实际场景。

背景与挑战

背景概述

Awesome Satellite Imagery Datasets 是一个专注于计算机视觉和深度学习的卫星与航空影像数据集集合，涵盖了实例分割、目标检测、语义分割、图像分类等多个任务。该数据集由多个研究机构和企业共同创建，最早的数据集可追溯至2010年，如UC Merced Land Use Dataset。近年来，随着深度学习技术的快速发展，数据集的数量和规模显著增加，例如2017年的Spacenet Challenge和2018年的xView Detection Challenge。这些数据集在遥感、城市规划、农业监测等领域具有广泛的应用，推动了相关领域的技术进步。

当前挑战

该数据集面临的挑战主要体现在两个方面：首先，卫星影像数据的多样性和复杂性使得模型训练和评估变得困难，例如不同分辨率、多光谱数据以及复杂的场景背景。其次，数据标注的准确性和一致性是构建高质量数据集的关键挑战，尤其是在大规模数据集中，手动标注的成本和时间消耗巨大。此外，数据集的开放性和共享性也面临挑战，部分数据集仅限学术使用或需要通过特定平台获取，限制了其广泛应用。

常用场景

经典使用场景

在遥感图像分析领域，Awesome Satellite Imagery Datasets 提供了丰富的标注数据，广泛应用于实例分割、目标检测和语义分割等计算机视觉任务。例如，Spacenet Challenge 系列数据集被广泛用于建筑物和道路的自动提取，而DOTA数据集则支持大规模航空图像中的目标检测研究。这些数据集为研究人员提供了高质量的图像和标注，推动了遥感图像分析技术的发展。

解决学术问题

Awesome Satellite Imagery Datasets 解决了遥感图像分析中的多个关键学术问题。例如，Spacenet Challenge 系列数据集通过提供高分辨率的卫星图像和精确的建筑物标注，帮助研究人员开发更精确的建筑物提取算法。DOTA数据集则通过提供多样化的目标类别和大规模实例，支持复杂场景下的目标检测研究。这些数据集为学术界提供了标准化的基准，促进了算法的比较与优化。

实际应用

在实际应用中，Awesome Satellite Imagery Datasets 被广泛用于城市规划、灾害监测和农业管理等领域。例如，Spacenet Challenge 数据集中的建筑物和道路信息可用于城市扩张分析和基础设施规划。DOTA数据集中的目标检测结果可用于军事侦察和交通监控。此外，农业领域的LPIS数据集支持作物分类和土地利用分析，为精准农业提供了数据支持。

数据集最近研究

最新研究方向

近年来，卫星影像数据集在计算机视觉和深度学习领域的应用日益广泛，尤其是在实例分割、目标检测和语义分割等任务中。例如，Spacenet Challenge Round 4 - Off-nadir数据集通过提供不同角度的卫星影像，推动了建筑物轮廓检测技术的发展。此外，DOTA数据集在目标检测领域表现突出，涵盖了多种复杂场景下的目标识别任务。这些数据集不仅为学术界提供了丰富的研究素材，还在城市规划、灾害监测和农业管理等领域展现了巨大的应用潜力。随着深度学习算法的不断进步，卫星影像数据集的研究方向正逐渐向多任务融合和高分辨率影像处理方向发展，为未来的智能化应用奠定了坚实基础。