five

danaroth/chikusei|高光谱遥感数据集|农业与城市规划数据集

收藏
hugging_face2023-11-09 更新2024-03-04 收录
高光谱遥感
农业与城市规划
下载链接:
https://hf-mirror.com/datasets/danaroth/chikusei
下载链接
链接失效反馈
资源简介:
该机载高光谱数据集由Headwall Hyperspec-VNIR-C成像传感器于2014年7月29日9:56至10:53 UTC+9在日本茨城县Chikusei的农业和城市区域采集。场景中心点位于坐标36.294946N, 140.008380E。高光谱数据集包含128个波段,光谱范围为363 nm至1018 nm。场景由2517x2335像素组成,地面采样距离为2.5米。通过现场调查和使用Canon EOS 5D Mark II获取的高分辨率彩色图像进行视觉检查,收集了19个类别的地面真实数据。高光谱数据和地面真实数据以ENVI和MATLAB格式提供给科学界。更多实验细节在数据集的技术报告中提供。
提供机构:
danaroth
原始信息汇总

数据集描述

该机载高光谱数据集由Headwall Hyperspec-VNIR-C成像传感器于2014年7月29日,在日本茨城县筑西市的农业和城市地区采集,采集时间为UTC+9时区的9:56至10:53。场景中心点的坐标为北纬36.294946度,东经140.008380度。该高光谱数据集包含128个波段,光谱范围从363 nm到1018 nm。场景由2517x2335像素组成,地面采样距离为2.5米。通过现场调查和高分辨率彩色图像的视觉检查(使用佳能EOS 5D Mark II相机)收集了19个类别的地面实况。高光谱数据和地面实况以ENVI和MATLAB格式提供给科学界,详细实验信息在数据集中的技术报告中呈现。

快速预览

Chikusei数据集的波段可视化

致谢

使用该数据集时,请满足以下三个要求:

  • 致谢如下:

    作者衷心感谢东京大学空间应用实验室,跨学科高级研究部提供的高光谱数据。

  • 使用以下许可证:

    http://creativecommons.org/licenses/by/3.0/

  • 该数据集由东京大学的Dr. Naoto Yokoya和Prof. Akira Iwasaki公开。请引用:

    文字格式:

    N. Yokoya and A. Iwasaki, "Airborne hyperspectral data over Chikusei," Space Appl. Lab., Univ. Tokyo, Japan, Tech. Rep., May 2016.

    LaTeX格式:

    @techreport{NYokoya2016, author = {N. Yokoya and A. Iwasaki}, title = {Airborne hyperspectral data over Chikusei}, institution = {Space Application Laboratory, University of Tokyo}, year = 2016, address = {Japan}, month = {May}, year = 2016, }

AI搜集汇总
数据集介绍
main_image_url
构建方式
该数据集danaroth/chikusei的构建,是基于2014年7月29日,在茨城县筑西市上空,利用Headwall Hyperspec-VNIR-C成像传感器,对农业和城市区域进行的航空高光谱成像。成像时段为UTC+9的9:56至10:53。数据集包含了128个光谱波段,覆盖了363纳米至1018纳米的光谱范围。场景由2517x2335像素组成,地面采样距离为2.5米。通过现场调查和高分辨率彩色图像的视觉检查,收集了19个类别的地面真实数据,并与高光谱数据一同提供。
特点
danaroth/chikusei数据集的特点在于其高质量的高光谱图像和详尽的地面真实数据。图像具有128个光谱波段,提供了丰富的光谱信息,有利于进行精确的地物分类和识别。此外,该数据集包含了农业和城市区域的场景,适用于多种遥感应用研究。地面真实数据的准确性,为研究提供了可靠的基准。所有数据均以ENVI和MATLAB格式提供,便于科研人员进行数据处理和分析。
使用方法
在使用danaroth/chikusei数据集时,用户需遵循相应的使用条款,包括在成果中致谢数据提供方,并遵循创用CC BY 3.0国际许可证。用户可以直接从指定网址下载数据集,并按照技术报告中的说明进行数据处理和分析。为引用数据集,用户应根据需要选择Word或LaTeX格式进行正确引用,确保信息的准确传递和学术规范的遵守。
背景与挑战
背景概述
在遥感与地理信息系统研究领域,高光谱数据集的构建与应用显得尤为重要。danaroth/chikusei数据集,由东京大学空间应用实验室的Naoto Yokoya博士与Akira Iwasaki教授于2014年7月29日,采用Headwall Hyperspec-VNIR-C成像传感器在茨城县筑西市上空进行航空拍摄而得。该数据集覆盖了农业与城市区域,包含了128个光谱波段,波长范围从363纳米至1018纳米。数据集的场景中心点坐标为北纬36.294946度,东经140.008380度,地面采样距离为2.5米。通过地面调查和高分辨率彩色图像的视觉检查,收集了19个类别的地面真实数据。这一数据集的发布,为高光谱遥感图像处理、分类和分析的研究提供了宝贵的资源,对推动相关技术发展具有显著影响。
当前挑战
该数据集在构建过程中遇到的挑战主要包括:首先,高光谱数据的多波段特性使得数据预处理和存储面临着巨大的挑战;其次,在数据采集过程中,如何保证不同时间段的图像具有一致的光照和大气条件,是保证数据质量的关键;再者,高光谱数据的分类和解析需要复杂的算法和大量的计算资源,这给数据的应用带来了额外的挑战。在解决领域问题上,高光谱图像的分类与解析面临着如何准确区分地表不同物质种类和状态的问题,这要求研究者在算法设计、特征提取和模型优化上进行深入探索。
常用场景
经典使用场景
在遥感领域,danaroth/chikusei数据集凭借其丰富的光谱信息,成为研究地表覆盖分类与监测的经典资源。该数据集包含128个光谱波段,覆盖了从363纳米到1018纳米的范围,能够为研究人员提供农业与城市区域地表特征的详尽分析。
解决学术问题
该数据集解决了遥感领域中,由于光谱分辨率不足导致的分类精度问题。通过提供高光谱分辨率的数据,研究人员能够更准确地区分地表覆盖类型,这对于环境监测、资源管理和灾害评估等学术研究具有重要意义。
衍生相关工作
基于danaroth/chikusei数据集,学术界衍生出了一系列相关研究工作,包括地表覆盖分类算法的改进、高光谱影像处理技术的发展以及多源数据融合方法的研究,这些都进一步推动了遥感技术的发展与应用。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国区域交通网络数据集

该数据集包含中国各区域的交通网络信息,包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。

data.stats.gov.cn 收录

学生课堂行为数据集 (SCB-dataset3)

学生课堂行为数据集(SCB-dataset3)由成都东软学院创建,包含5686张图像和45578个标签,重点关注六种行为:举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景,通过YOLOv5、YOLOv7和YOLOv8算法评估,平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础,解决教育领域中学生行为数据集的缺乏问题。

arXiv 收录

GME Data

关于2021年GameStop股票活动的数据,包括每日合并的GME短期成交量数据、每日失败交付数据、可借股数、期权链数据以及不同时间框架的开盘/最高/最低/收盘/成交量条形图。

github 收录

UAV123

从低空无人机捕获的视频与流行的跟踪数据集 (如OTB50,OTB100,VOT2014,VOT2015,TC128和ALOV300) 中的视频本质上不同。因此,我们提出了一个新的数据集 (UAV123),其序列来自空中视点,其子集用于长期空中跟踪 (UAV20L)。我们新的UAV123数据集包含总共123个视频序列和超过110K帧,使其成为仅次于ALOV300的第二大对象跟踪数据集。所有序列都用直立的边界框完全注释。数据集可以很容易地与视觉跟踪器基准集成。它包括无人机数据集的所有边界框和属性注释。还请使用包含序列和跟踪器配置的修改后的文件 “configSeqs.m” 和 “configTrackers.m” 下载修改后的跟踪器基准。另外,请注意,文件 “perfPlot.m” 已根据本文中描述的属性进行了修改以进行评估。

OpenDataLab 收录

NASA Battery Dataset

用于预测电池健康状态的数据集,由NASA提供。

github 收录