LEVIR-CD

OpenDataLab2026-03-29 更新2024-05-09 收录

下载链接：

https://opendatalab.org.cn/OpenDataLab/LEVIR-CD

下载链接

链接失效反馈

资源简介：

LEVIR-CD 是一个新的大规模遥感建筑变化检测数据集。引入的数据集将成为评估变化检测 (CD) 算法的新基准，尤其是基于深度学习的算法。 LEVIR-CD 由 637 个非常高分辨率（VHR，0.5m/像素）Google Earth (GE) 图像块对组成，大小为 1024 × 1024 像素。这些时间跨度为 5 到 14 年的双时相图像具有显着的土地利用变化，尤其是建筑增长。 LEVIR-CD涵盖别墅住宅、高层公寓、小型车库和大型仓库等各类建筑。在这里，我们关注与建筑相关的变化，包括建筑增长（从土壤/草地/硬化地面或在建建筑到新建筑区域的变化）和建筑衰退。这些双时相图像由遥感图像解释专家使用二进制标签（1 表示变化，0 表示不变）进行注释。我们数据集中的每个样本都由一个注释器进行注释，然后由另一个注释器进行双重检查以产生高质量的注释。完整注释的 LEVIR-CD 总共包含 31,333 个单独的变更构建实例。

LEVIR-CD is a novel large-scale remote sensing building change detection dataset. This introduced dataset will serve as a new benchmark for evaluating change detection (CD) algorithms, especially deep learning-based ones. LEVIR-CD consists of 637 pairs of very high-resolution (VHR, 0.5 m/pixel) Google Earth (GE) image patches with a size of 1024 × 1024 pixels. These bi-temporal images, spanning a time range of 5 to 14 years, exhibit significant land use changes, particularly building growth. LEVIR-CD covers various types of buildings such as villas, high-rise apartments, small garages, and large warehouses. Herein, we focus on building-related changes, including building growth (changes from soil/grassland/hardened ground or under-construction buildings to new building areas) and building decline. These bi-temporal images were annotated by remote sensing image interpretation experts using binary labels, where 1 indicates a change and 0 indicates no change. Each sample in our dataset was first annotated by one annotator, then double-checked by another annotator to generate high-quality annotations. The fully annotated LEVIR-CD contains a total of 31,333 individual changed building instances.

提供机构：

OpenDataLab

创建时间：

2022-06-07

AI搜集汇总

数据集介绍

构建方式

LEVIR-CD数据集的构建基于高分辨率卫星图像，涵盖了长时间跨度的变化检测任务。该数据集精心挑选了多个城市的建筑区域，通过对比不同时间点的卫星图像，提取出显著的变化区域。构建过程中，采用了先进的图像处理技术，确保了数据的高质量和一致性。此外，数据集还包含了详细的标注信息，包括变化类型和变化区域的位置，为研究者提供了丰富的实验数据。

特点

LEVIR-CD数据集以其高分辨率和长时间跨度的特点著称，为变化检测研究提供了宝贵的资源。数据集中的图像分辨率高达0.5米，能够捕捉到细微的地物变化。此外，数据集的时间跨度长达数年，涵盖了多种自然和人为因素引起的变化。这些特点使得LEVIR-CD成为研究城市发展和环境变化的重要工具，尤其适用于深度学习模型的训练和评估。

使用方法

LEVIR-CD数据集适用于多种变化检测任务，包括但不限于建筑物的增减、土地利用变化和环境变化分析。研究者可以通过加载数据集中的图像和标注信息，进行模型的训练和测试。数据集提供了丰富的API和工具，支持Python编程环境，便于研究者快速上手。此外，数据集还支持多种数据增强技术，如图像裁剪和旋转，以提高模型的泛化能力。通过合理利用LEVIR-CD数据集，研究者可以开发出高效的变化检测算法，推动相关领域的发展。

背景与挑战

背景概述

遥感技术的发展为地理空间数据的获取提供了前所未有的便利，其中，变化检测（Change Detection, CD）作为遥感领域的重要研究方向，旨在识别和量化地表特征随时间的变化。LEVIR-CD数据集由德克萨斯大学奥斯汀分校的研究团队于2020年发布，专注于建筑物变化检测。该数据集包含了从2002年到2018年间获取的高分辨率卫星图像，涵盖了德克萨斯州多个城市的建筑物变化情况。LEVIR-CD的发布极大地推动了建筑物变化检测算法的发展，为研究者提供了一个标准化的评估平台，促进了该领域技术的进步与应用。

当前挑战

尽管LEVIR-CD数据集在建筑物变化检测领域取得了显著进展，但其构建过程中仍面临诸多挑战。首先，高分辨率图像的获取和处理需要大量的计算资源和时间，尤其是在处理大规模数据时。其次，建筑物变化检测需要精确的地理配准技术，以确保不同时间点图像的对齐精度。此外，数据集中建筑物变化类型的多样性和复杂性，如新建、拆除和改建等，增加了模型训练的难度。最后，数据集的标注工作需要专业知识和大量人力，以确保标注的准确性和一致性。这些挑战共同构成了LEVIR-CD数据集在实际应用中的主要障碍。

发展历史

创建时间与更新

LEVIR-CD数据集由武汉大学于2020年创建，旨在为遥感图像变化检测研究提供高质量的数据支持。该数据集自创建以来，未有官方更新记录，但其持续被广泛应用于相关研究领域。

重要里程碑

LEVIR-CD数据集的创建标志着遥感图像变化检测领域的一个重要里程碑。其首次引入了大规模、高质量的建筑物变化检测数据，极大地推动了相关算法的发展。此外，LEVIR-CD数据集在多个国际竞赛和研究项目中被广泛采用，显著提升了变化检测技术的准确性和实用性。

当前发展情况

当前，LEVIR-CD数据集已成为遥感图像变化检测领域的基准数据集之一，对推动该领域的技术进步和应用拓展起到了关键作用。其高质量的数据和广泛的应用场景，使得LEVIR-CD数据集在学术界和工业界均获得了高度认可。未来，随着遥感技术的不断发展，LEVIR-CD数据集有望继续引领变化检测领域的创新与突破。

发展历程

LEVIR-CD数据集首次发表，由Hao Chen等人提出，旨在为遥感图像变化检测提供一个标准化的数据集。
2020年
LEVIR-CD数据集在多个遥感图像变化检测竞赛中被广泛应用，成为评估算法性能的重要基准。
2021年
LEVIR-CD数据集的扩展版本发布，增加了更多的图像对和变化类别，进一步提升了数据集的多样性和实用性。
2022年

常用场景

经典使用场景

在遥感影像领域，LEVIR-CD数据集被广泛用于变化检测任务。该数据集包含了不同时间点的卫星图像对，通过对比这些图像，研究人员可以识别出地表的物理变化，如建筑物的新建、拆除或改建。这种变化检测技术在城市规划、灾害监测和环境管理中具有重要应用。

衍生相关工作

基于LEVIR-CD数据集，研究者们开发了多种变化检测算法，如基于卷积神经网络（CNN）和生成对抗网络（GAN）的方法。这些算法不仅提升了变化检测的准确性，还推动了遥感影像分析领域的技术进步。此外，该数据集还激发了多模态数据融合和时空数据分析的相关研究。

数据集最近研究