Annotated Aerial Imagery Dataset

该数据集包含从爱沙尼亚土地委员会收集的高分辨率航空图像，使用CVAT工具对感兴趣的对象（如汽车、飞机、公交车、船只、建筑物和卡车）进行标注。图像分辨率为1:2000，尺寸为10000x10000像素，地面采样距离为10cm。训练数据集包含236张图像，共有约18000个对象实例。此外，还有两个测试数据集，通过将原始测试图像分别下采样2倍和4倍，增加了地面采样距离，模拟了从更高海拔拍摄的效果。

This dataset comprises high-resolution aerial imagery collected from the Estonian Land Board. Objects of interest including cars, airplanes, buses, boats, buildings and trucks are annotated using the CVAT annotation tool. Each image has a scale of 1:2000, a resolution of 10000×10000 pixels, and a ground sampling distance (GSD) of 10 cm. The training dataset contains 236 images with a total of approximately 18,000 object instances. Additionally, there are two test datasets: the original test images are downsampled by factors of 2 and 4 respectively, which increases their ground sampling distance to simulate the imaging effect captured from a higher altitude.

原始信息汇总

Annotated Aerial Imagery Dataset 概述

数据集来源与特点

• 来源：数据集的图像来源于Land Board of Republic of Estonia。
• 对象：数据集中关注的对象包括Car, Airplane, Bus, Watercraft, Building, 和 Truck。
• 分辨率：图像为高分辨率，比例为1:2000，尺寸为10000x10000像素。
• 拍摄参数：图像从1250m海拔高度拍摄，使用Leica ADS100-SH100相机，焦距为120mm。
• 地面采样距离：这些正射影像的地面采样距离为10cm。

数据集构成

• 训练集：包含236张图像，所有关注对象均被标注，总计约18,000个对象实例。
• 测试集：除了主要测试集外，还有两个额外的测试集，分别通过2倍和4倍下采样原始测试图像，使得地面采样距离分别增加到20cm和40cm。

数据处理

• 提供了用于进一步下采样图像的脚本，位于data_processing目录。

引用信息

• 使用此数据集时，请使用以下BibTeX条目引用：

  @misc{wu2019detectron2, author = {Majnun Abdurahmanov}, title = {High-resolution aerial imagery dataset}, howpublished = {url{https://github.com/MajnunMan/High-resolution-aerial-imagery-dataset}}, year = {2020} }

搜集汇总

数据集介绍

构建方式

Annotated Aerial Imagery Dataset通过从爱沙尼亚土地委员会获取的高分辨率影像构建而成。这些影像以1:2000的比例呈现，拍摄高度为1250米，使用Leica ADS100-SH100相机，焦距为120毫米，图像尺寸为10000x10000像素，地面采样距离（GSD）为10厘米。数据集中的对象包括汽车、飞机、公交车、船只、建筑和卡车，所有对象均通过CVAT工具进行标注，总计约18,000个对象实例。此外，为了研究不同分辨率下的对象识别，该数据集还包含了原始测试图像的降采样版本，分别将GSD增加到20厘米和40厘米，模拟了从更高海拔拍摄的效果。

特点

该数据集的主要特点在于其高分辨率的航空影像和详尽的对象标注。影像的GSD为10厘米，提供了极高的细节清晰度。此外，数据集包含了多种常见交通和建筑对象的标注，适用于多种计算机视觉任务，如目标检测和图像分割。特别值得一提的是，数据集还提供了不同分辨率的测试集，这为研究者在不同分辨率条件下的模型性能评估提供了便利。

使用方法

使用Annotated Aerial Imagery Dataset时，研究者可以直接下载并加载训练和测试数据集进行模型训练和评估。数据集的标注信息可以直接用于监督学习任务。此外，数据集中还提供了图像降采样的脚本，允许用户根据需要生成不同分辨率的图像。在使用该数据集进行研究时，建议引用提供的BibTeX条目以确保学术诚信。

背景与挑战

背景概述

Annotated Aerial Imagery Dataset 是由爱沙尼亚土地委员会提供的高分辨率航空影像数据集，主要用于目标检测与分类研究。该数据集的核心研究问题集中在对航空影像中特定目标的识别与标注，包括汽车、飞机、公交车、船只、建筑和卡车等六类目标。数据集的创建时间为2020年，由Majnun Abdurahmanov主导，利用CVAT工具对影像中的目标进行标注，共包含236张训练图像，总计约18,000个目标实例。该数据集的独特之处在于其高分辨率特性，影像尺寸为10000x10000像素，地面采样距离（GSD）为10厘米，且影像采集自1250米高空，使用Leica ADS100-SH100相机拍摄。这一数据集的发布为航空影像分析领域提供了宝贵的资源，尤其在高分辨率目标检测与分类任务中具有重要应用价值。

当前挑战

Annotated Aerial Imagery Dataset 在构建与应用过程中面临多项挑战。首先，高分辨率影像的处理与存储对计算资源提出了较高要求，尤其是在大规模数据集的训练与测试阶段。其次，航空影像中目标的多样性与复杂性增加了标注的难度，确保标注的准确性与一致性是该数据集构建过程中的关键挑战。此外，数据集还包含了通过下采样生成的新测试集，模拟了不同高度拍摄的影像，这虽然增加了数据集的多样性，但也带来了如何在不同分辨率下保持模型性能的挑战。最后，航空影像中目标的尺度变化较大，如何在不同尺度下有效检测目标也是一个亟待解决的问题。

常用场景

经典使用场景

Annotated Aerial Imagery Dataset 在遥感图像分析领域中具有广泛的应用，尤其在目标检测和分类任务中表现尤为突出。该数据集包含了高分辨率的航空影像，涵盖了多种常见目标如汽车、飞机、公交车、船只、建筑物和卡车，且每个目标均已标注。这些影像的高分辨率特性使得其在精细目标识别和定位任务中具有显著优势，适用于开发和验证先进的计算机视觉算法。

衍生相关工作

基于 Annotated Aerial Imagery Dataset，研究者们开发了多种先进的图像处理和目标检测算法。例如，有研究利用该数据集训练深度学习模型，以提高在复杂背景下的目标识别精度；还有研究通过分析不同分辨率下的影像，探讨了分辨率对目标检测性能的影响。这些衍生工作不仅丰富了遥感图像处理的研究内容，也为实际应用提供了技术支持。

数据集最近研究

最新研究方向

在遥感与计算机视觉领域，Annotated Aerial Imagery Dataset因其高分辨率图像和丰富的标注信息，成为研究者们关注的焦点。该数据集不仅涵盖了多种关键目标类别，如汽车、飞机、建筑等，还通过不同高度的图像采样，提供了多样化的地面采样距离（GSD），这为研究多尺度目标检测与识别算法提供了宝贵的资源。近年来，随着深度学习技术在遥感图像处理中的广泛应用，该数据集被用于探索更高效的目标检测模型和多尺度特征提取方法，尤其是在复杂场景下的目标识别与分类任务中展现出显著的应用潜力。