本文转载自博主GISer_Lin原创文章《深度学习中的遥感影像数据集》
点击此处转跳原文
目录
遥感影像场景分类
UCMerced_LandUse
WHU-RS19
RSSCN7
RS_C11
NWPU-RESISC45
AID
GID
RSD46-WHU
PatternNet
AIRS
OPTIMAL-31
EuroSAT
WiDS Datathon 2019
Continual Learning Benchmark for Remote Sensing Image Scene Classification (CLRS)
MLRSNet
Multi-View Datasets,CV-BrCT
Multi-View Datasets,AiRound
SIRI-WHU
SIRI-WHU:google
SIRI-WHU:USGS
RSI-CB
RSI-CB128
RSI-CB256
SAT
SAT-4
SAT-6
V-RSIR
rs VArcGIS
rs VBing
rs VGoogle
rs sensetime
rscup
Planet: Understanding the Amazon from Space
BigEarthNet
brazilian coffee scenes
遥感影像目标检测
TAS
OIRDS
UCAS_AOD
NWPU VHR-10
HRSC2016
DLR3k
RSOD
TGRS-HRRSD
SSDD
OpenSARShip
LEVIR
VisDrone2019-DET
MASATI
ITCVD
DIOR
AIR-SARShip
SAR-Ship
iSAID
Bridge Dataset
HRSID
RarePlanes
VEDAI
xView
DOTA
DOTA1.0
DOTA1.5
SZTAKI-INRIA
COWC
Functional Map of the World Challenge
CARPK
rscup
planet-understanding-the-amazon-from-space
dstl-satellite-imagery-feature-detection
airbus-ship-detection
Open AI Tanzania Building Footprint Segmentation Challenge
MAFAT Challenge - Fine-Grained Classification of Objects from Aerial Imagery
遥感影像图像分割
Massachusetts Roads
Massachusetts Builds
Zurich Summer
ERM-PAIW
HD-Maps
BDCI2017
Learning Aerial Image Segmentation From Online Maps
2018 Open AI Tanzania Building Footprint Segmentation Challenge(TBF)
WHDLD
DLRSD
DeepGlobe Land Cover Classification Challenge
DeepGlobe Road Detection Challenge
Aeroscapes
Map Challenge
38-Cloud: A Cloud Segmentation Dataset
WHU Building Dataset,Satellite dataset Ⅰ (global cities)
WHU Building Dataset,Satellite dataset Ⅱ (East Asia)
WHU Building Dataset,Aerial imagery dataset
RoadTracer
Land Cover from Aerial Imagery(landcover_ai)
UAVid
95-Cloud: An Extension to 38-Cloud Dataset
AI+遥感影像
BDCI2020
mini Inria Aerial Image Labeling Dataset
ISPRS 2D Semantic Labeling Contest
Postdam
Vaihingen
GID
GID Fine Land-cover Classification_15classes
GID Large-scale Classification_5classes
UDD
UDD5
UDD6
BH-DATASET
BH-POOLS
BH-WATERTANKS
Inria Aerial Image Labeling Dataset
suichang dataset
suichang dataset
LRSNY
rscup
遥感影像变化检测
Onera Satellite Change Detection (OSCD)
Multi-temporal Scene WuHan (MtS-WH)
xBD
Google dataset
LEVIR-CD
变化检测
1)MtS-WH
2)SZTAKI AirChange Benchmark Set
3)OSCD
4)Change Detection Dataset
5) River Dataset
6)WHU : Building change detection dataset
7)Season-varying Change Detection Dataset
8)Onera Satellite Change Detection
*)AIST Building Change Detection
*)Urban Atlas Change 2012-2018
*)High Resolution Change Detection
实例分割
1)iSAID
目标跟踪
1)Dataset-UAV-123
图像标题 / Image caption
1)RSICD
2)UCM Captions
3)Sydney Captions
其他
DLR Earth Observation Center
SpaceNet Challenge
收集网络中开源的、关于遥感影像 场景分类的深度学习数据集
main ref
https://captain-whu.github.io/DiRS/
https://mp.weixin.qq.com/s/kThlSqItIwuCFTIfC_-5lQ
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 21 | 21 * 100 = 2100 | 1 foot | USGS | 2010 | 加利福尼亚大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
600 * 600 * 3 | 19 | 19 * 50± = 1005 | 最高0.5 m | GoogleEarth | 2012 | 武汉大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
400 * 400 * 3 | 7 | 7 * 400 = 2800 | 未知 | GoogleEarth | 2015 | 武汉大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
512 * 512 * 3 | 11 | 10 * 100± = 1232 | 约0.2m | GoogleEarth | 2016 | 中科院 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 45 | 45 * 700 = 31500 | 0.2~30m | GoogleEarth | 2016 | 西北工业大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
600 * 600 * 3 | 30 | 30 * 300± = 10000 | 0.5~8m | GoogleEarth | 2017 | 武汉大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
56 * 56 * 4 56 * 56 * 3 |
15 | 15 * 2000 = 30000 | 未知 | 高分2 | 2018 | 武汉大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 46 | 117000 | 0.5~2m | GoogleEarth、天地图 | 2017 | 武汉大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 38 | 38 * 800 = 30400 | 0.062~4.693m | GoogleMap | 2018 | 武汉大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
10000 * 10000 * 3 | 1 | 857 train,94 val, 96 test | 0.075m | LINZ Data Service | 2018 | University of Tokyo等 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 31 | 31* 60 = 1860 | 未知 | GoogleEarth | 2019 | 西北工业大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
64 * 64 * 3 64 * 64 * 13 |
10 | 27,000 | 10 m | 哨兵2 | 2018 | 德国凯泽斯劳滕大学 |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 1 | 11000train | Planet | 2019 | Stanford | 3m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 25 | 15,000 | Google Earth, Bing Map, Google Map, and Tianditu | 2020 | 中南大学 | 0.26 m to 8.85 m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 46 | 109,161 | Google Earth | 2020 | 中国地质大学 | 0.1~10m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
500 * 475 * 3 | 8 | 24171 * 2 | 航空影像及地面街景影像 | 2020 | Federal University of Minas Gerais |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
500 * 475 * 3 | 11 | 3495 * 4 | Sentinel-2等多源数据 | 2020 | Federal University of Minas Gerais |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
200 * 200 * 3 | 12 | 12 * 200 = 2400 | 2m | GoogleEarth | 2016 | 武汉大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
10000 * 9000 * 3 | 4 | 1 | 2 foot | USGS | 2016 | 武汉大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 45 | 36000 | 0.3–3m | 多源 | 2017 | 中南大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 35 | 24000 | 0.3–3m | 多源 | 2017 | 中南大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 | 备注 |
---|---|---|---|---|---|---|---|
28 * 28 * 4 | 4 | 500,000 | 1-6m | NAIP dataset | 2015 | 路易斯安那州立大学与NASA | 采用MATLAB的.mat数据存储格式 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 | 备注 |
---|---|---|---|---|---|---|---|
28 * 28 * 4 | 6 | 405,000 | 1-6m | NAIP dataset | 2015 | 路易斯安那州立大学与NASA | 采用MATLAB的.mat数据存储格式 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 38 | 59071 | 0.07 ~ 19.11m | ArcGIS World Imagery | 2020 | 中南大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 38 | 58944 | 0.07 ~ 38.22m | Bing World Imagery | 2020 | 中南大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 38 | 59404 | 0.075 ~ 9.555m | VGoogle | 2020 | 中南大学 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
100 * 100 * 3 ~ 12655 * 12655 * 3 |
50 | 60040 | 0.2~153m | 未知 | 2020 | 商汤科技SenseEarth |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
256 * 256 * 3 | 45 | 197,121 | 未知 | 未知 | 2019 | rscup组委会 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 | 备注 |
---|---|---|---|---|---|---|---|
256 * 256 * 3 256 * 256 * 4 |
17 | 40480 | 3m | plant传感器 | 2017 | Planet、SCCON公司 | 多标签 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 | 备注 |
---|---|---|---|---|---|---|---|
120 * 120 60 * 60 20 * 20; |
43 | 590326 | 10 m 20 m 60m |
哨兵2 | 2019 | 柏林工业大学 | 多标签 |
图像大小 | 类别数 | 总样本数 | 分辨率 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
64 * 64 * 3 | 2 | 2,876 | 未知 | SPOT传感器 | 2015 | 米纳斯联邦大学 |
收集网络中开源的、关于遥感影像 目标检测的深度学习数据集
main ref
https://captain-whu.github.io/DiRS/
https://mp.weixin.qq.com/s/QGIFeriC3s0xvok-TVhmPQ
https://zhuanlan.zhihu.com/p/113579163
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
792 * 636 * 3 | 1 | 30 | 1,319 | HBB | Google Earth | 2008 | 斯坦福大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
256~640 * 256~640 * 3 | 5 | 900 | 1800 | 约0.15m | OBB | USGS、DARPA、VIVID | 2009 | 雷神公司等 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
1000± * 1000± * 3 | 2 | 976 | 6,950 | OBB | Google Earth | 2014 | 中科院 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
500~1100 * 500~1100 * 3 | 10 | 1510 | 14,596 | HBB | Google Earth、Vaihingen | 2014 | 西北工业大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
1100± * 1100± * 3 | 27 | 1,061 | 2,976 | OBB | Google Earth | 2016 | 西北工业大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
5616 * 3744 * 3 | 7 | 20 | 14,235 | 0.13m | OBB | 无人机(Canon Eos 1Ds Mark III) | 2016 | 德国航天航空中心 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
1044~1288 * 915~992 * 3 | 4 | 976 | 6,950 | HBB | Google Earth、天地图 | 2017 | 武汉大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
152~10569 * 152~10569 * 3 | 13 | 21,761 | 55,740 | 0.15 ~ 1.2m | HBB | Google Earth、百度地图 | 2017 | 中科院 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
500 * 500 * 3 | 1 | 1160 | 2456 | 1~15m | HBB、OBB | RadarSat-2、TerraSAR-X、Sentinel-1 | 2017 | 武汉大学 |
类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|
1 | 41 | 11346 | Chip | Sentinel-1 | 2017 | 上海交通大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
800 * 600 * 3 | 3 | 22,000 | 11,000 | 0.2∼1.0m | HBB | Google Earth | 2018 | 北京航天航空大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
2,000 | 10 | 10,209 | 54,200 | HBB | 无人机数据 | 2018 | 天津大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
512± * 512± * 3 | 7 | 7,389 | 未知 | HBB | Bing Maps | 2018 | 阿利坎特大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 | 备注 |
---|---|---|---|---|---|---|---|---|---|
5616 * 3744 * 3 | 1 | 135 | 23543 | 0.1 m | HBB | 航拍影像 | 2018 | University of Twente Research Information | 标注为mat格式 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
800 * 800 * 3 | 20 | 23463 | 190288 | 0.5 ~ 30 m | HBB | Google Earth | 2019 | 西北工业大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
1000 * 1000 * 3 | 1 | 300 | 2040 | 1~3m | HBB | 高分3 | 2019 | 《雷达学报》编辑部 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
256 * 256 * 3 | 1 | 210 | 43,819 | 1.7~25m | HBB | 高分3、哨兵1 | 2019 | 中科院 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
800~13, 000 * 800~13, 000 * 3 | 15 | 2,806 | 655,451 | OBB | Google Earth、JL-1、GF-2 | 2019 | 武汉大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
4800 * 2843 * 3 | 1 | 500 | 500+ | HBB | Google Earth、 OpenStreetMap | 2019 | Federal University of Minas Gerais |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
800 * 800 * 3 | 1 | 5604 | 16951 | 0.5~3 m | HBB | Sentinel-1B、TerraSAR-X、TanDEM-X | 2020 | 电子科技大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|---|---|
512 * 512 * 3 | 10 | 1244 train,263 test | ~14,700 | HBB | WorldView-3 | 2020 | In-Q-Tel、AI.Reverie | 0.3~1.5m |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
512 * 512 * 4 1024 * 1024 * 4 |
9 | 1210 | 3640 | 0.125m | OBB | Utah AGRC | 2015 | 卡昂大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
3000± * 3000± * 3 3000± * 3000± * 8 |
60 | 1129 | 1,000,000 | 0.3m | HBB | WorldView 3 | 2018 | DIUx、NGA |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
800~4000 * 800~4000 * 3 | 15 | 2806 | 188282 | OBB | Google Earth、高分2、吉林1 | 2018 | 武汉大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
800~4000 * 800~4000 * 3 | 16 | 2806 | 400000± | OBB | Google Earth、高分2、吉林1 | 2019 | 武汉大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
800± * 800± | 1 | 9 | 665 | OBB | 未知 | 2012 | MTA SZTAKI、INRIA Sophia-Antipolis |
图像大小 | 类别数 | 图像总数 | 目标总数 | 分辨率 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|---|
2,000~19,000 * 2,000~19,000 | 1 | 53 | 32,716 | 0.15m | one dot | Utah | 2016 | 劳伦斯利弗莫尔国家实验室 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
4bands 8bands |
63 | 31 | 1,000,000 | one dot | Utah | 2016 | 劳伦斯利弗莫尔国家实验室 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
未知 | 1 | 1,573 | 106,233 | 未知 | 无人机 | 2017 | 台湾国立大学 |
图像大小 | 类别数 | 图像总数 | 目标总数 | 标注格式 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|---|---|
未知 | 18 | 未知 | 未知 | 未知 | GF, JL, Google Earth, Aerial | 2019 | rscup组委会 |
收集网络中开源的、关于遥感影像 图像分割的深度学习数据集
main ref
https://captain-whu.github.io/DiRS/
https://mp.weixin.qq.com/s/x-sgus9bJz7esbsRvb-IfA
https://www.dlr.de/eoc/en/desktopdefault.aspx/tabid-12760/
http://www.patreo.dcc.ufmg.br/category/downloads/datasets/
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
1500 * 1500 * 3 | 1 | 804 | 航空影像 | 2013 | University of Toronto |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
1500 * 1500 * 3 | 1 | 151 | 航空影像 | 2013 | University of Toronto |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
600~1600 * 600~1600 * 4 | 8 | 20 | QuickBird | 2015 | The University of Edinburgh, Scotland (UK) | 0.62m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
4000± * 4000± * 3 | 1 | 41 | 航空影像 | 2015 | German Aerospace Center (DLR) |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
4000± * 4000± * 3 | 4 | 20 | 航空影像 | 2016 | German Aerospace Center (DLR) |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
8000± * 8000± * 3 | 5 | 5 | 未知 | 2017 | BDCI |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
3000± * 3000± * 3 | 2 | 1671 | Google Maps、OpenStreetMap | 2017 | TH Zürich |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
40000± * 40000± * 3 | 1 | 13 | 航空影像 | 2018 | SUZA |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
256 * 256 * 3 | 6 | 4940 | UC Merced | 2018 | 武汉大学 |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
256 * 256 * 3 | 21 | 2100 | USGS National Map | 2018 | 武汉大学 |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
2448 * 2448 * 3 | 7 | 803 | DigitalGlobe | 2018 | CVPR | 0.5m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
1024 * 1024 * 3 | 1 | 6,226 | DigitalGlobe | 2018 | CVPR |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
720 * 720 * 3 | 11 | 3269 | 航空影像 | 2018 | Carnegie Mellon University |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 标注格式 |
---|---|---|---|---|---|---|
300 * 300 * 3 | 1 | 341,058 | Google Map | 2018 | crowdAI | json |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
384* 384 * 4 | 1 | 8400 | Landsat 8 | 2018 | Science Simon Fraser University |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
512 * 512 * 3 | 1 | 204 | QuickBird, Worldview series, IKONOS, ZY-3 | 2019 | 武汉大学 | 0.3 ~ 2.5m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
512 * 512 * 3 | 1 | 17388 | QuickBird, Worldview series, IKONOS, ZY-3 | 2019 | 武汉大学 | 0.45 m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
512 * 512 * 3 | 1 | 8,189 | 未知 | 2019 | 武汉大学 | 0.3 m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
4096 * 4096 * 3 | 1 | 3000 | Google earth、OSM | 2019 | MIT | 0.6m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
9000 * 9500 * 3,4200 * 4700 * 3 | 3 | 41 | public geodetic resource | 2020 | linuxpolska | 0.25m,0.5m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
4096 * 2160 * 3 or 3840 * 2160 * 3 | 8 | 300 | 航空影像 | 2020 | University of Twente |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
384 * 384 * 4 | 1 | 34,701 | Landsat 8 | 2020 | Simon Fraser University |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
256 * 256 * 3 | 8 | 100000 | 未知 | 2020 | 全国人工智能大赛组委会 |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
256 * 256 * 3 | 7 | 145981 | 未知 | 2020 | BDCI |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
512 * 512 * 3 | 1 | 30000 train, 2500 test | 航空影像 | 2021 | 天池大赛 | 0.3 m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
6000 * 6000 * 3 | 6 | 38 | 航空影像 | 2012 | ISPRS | 0.05m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
1000~4000 * 1000~4000 * 3 | 6 | 33 | 航空影像 | 2012 | ISPRS | 0.09m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
7200 * 6800 * 4 7200 * 6800 * 3 |
15 | 10 | 高分2 | 2018 | 武汉大学 | 0.8 to 10m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
7200 * 6800 * 4 7200 * 6800 * 3 |
5 | 150 | 高分2 | 2018 | 武汉大学 | 0.8 to 10m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
4096± * 2160± * 3 | 5 | 120 trian,40 val | 无人机数据(DJI Phantom 4) | 2018 | 北京大学 |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
4096± * 2160± * 3 | 6 | 106 trian,35 val | 无人机数据(DJI Phantom 4) | 2018 | 北京大学 |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
3840 * 2160 * 3 | 1 | 200 | GoogleEarth | 2020 | Federal University of Minas Gerais |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
3840 * 2160 * 3 | 1 | 200 | GoogleEarth | 2020 | Federal University of Minas Gerais |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
未知 | 1 | 未知 | 航空影像 | 2017 | Inria Sophia Antipolis - Mediterran ee, TITANE team; Inria Saclay, TAO team, France | 0.3 m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
256 * 256 * 4 | 10 | 16017 | 高分系列 | 2021 | 浙江大学、天池大赛 | 0.8~ 2m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
256 * 256 * 4 | 10 | 16017 | 高分系列 | 2021 | 浙江大学、天池大赛 | 0.8~ 2m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
1000 * 1000 * 3 | 1 | 716 train, 220 val, 432 test | 位置 | 2021 | IEEE | 0.5 m |
收集网络中开源的、关于遥感影像 变化检测的深度学习数据集
main ref
https://captain-whu.github.io/DiRS/
https://mp.weixin.qq.com/s/GN9SEztb61cm0ukn81SzbgA
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
600± * 600± * 13, 2 time | 1 | 14 * 2 train, 10 * 2 test | Sentinel-2 | 2018 | Universit´e Paris-Saclay、 T´el´ecom ParisTech |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
7200 * 6000 * 4,2 time | 9 | 190 * 2 | IKONOS传感器 | 2019 | 武汉大学 |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 |
---|---|---|---|---|---|
1024 * 1024, 3/4/8 band, 4 state | 4 | 22068 | DigitalGlobe | 2020 | MIT |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
1000~5000 * 1000~5000 * 3, 2 time | 1 | 20 | Google Earth | 2020 | ieee | 0.55 m |
图像大小 | 类别数 | 图像总数 | 数据源 | 发布时间 | 发布组织 | 分辨率 |
---|---|---|---|---|---|---|
1024 * 1024 * 3, 2 time | 1 | 637 | Google Earth | 2020 | 北京航空航天大学 | 0.5 m |
Size:7200*6000
Num:1pic* 2time
http://sigma.whu.edu.cn/newspage.php?q=2019_03_26
Size:952*640
Num:13pic *2time
http://web.eee.sztaki.hu/remotesensing/airchange_benchmark.html 登录名:sztaki,密码:deva
Num:14pic * 2time
https://rcdaudt.github.io/oscd/
size:984*740;600*500;390*200
Num:3pic* 2time
https://gitlab.citius.usc.es/hiperespectral/ChangeDetectionDataset
size:463*241
Num:1pic * 2time
https://arxiv.org/abs/1905.01662v1
https://share.weiyun.com/5ugrczK
https://study.rsgis.whu.edu.cn/pages/download/building_dataset.html
size:4715*2700
Num:7pic*2time
https://drive.google.com/file/d/1GX656JqqOyBi_Ef0w65kDGVto-nHrNs9/edit
Num:14pic*2time
https://rcdaudt.github.io/oscd/
https://partage.mines-telecom.fr/index.php/s/G93tRIAgLs1sVBM
https://partage.mines-telecom.fr/index.php/s/2D6n03k58ygBSpu
Size:160*160;128*128
Num:(8506+8444)pic * 2time
https://blog.csdn.net/dangdangliu/article/details/104323166
https://github.com/gistairc/ABCDdataset
https://land.copernicus.eu/local/urban-atlas/urban-atlas-change-2012-2018
http://www.pshrcd.com/#/intro
Num:15classes,2806pic,655451instances
https://captain-whu.github.io/iSAID/
https://hyper.ai/datasets/5154
https://hyper.ai/tracker/magnet?torrent=7087
Size:224*224
Num:10921pic,5sentences/pic
https://github.com/201528014227051/RSICD_optimal
http://pan.baidu.com/s/1bp71tE3
https://drive.google.com/open?id=0B1jt7lJDEXy3aE90cG9YSl9ScUk
Num:2100pic,5sentences/pic
https://pan.baidu.com/s/1mjPToHq
https://github.com/201528014227051/RSICD_optimal
Num:613pic,5sentences/pic
https://pan.baidu.com/s/1hujEmcG
https://github.com/201528014227051/RSICD_optimal
包括:
DLR-SkyScapes: Aerial Semantic Segmentation Dataset for HD-mapping
DLR’s Aerial Crowd Dataset (DLR-ACD)
DLR Multi-class Vehicle Detection and Orientation in Aerial Imagery (DLR-MVDA)
Enhancing Road Maps by Parsing Aerial Images around the World (ERM-PAIW)
Fine-grained Road Segmentation by Parsing Ground and Aerial Images (HD-Maps)
Multi-Sensor Land-Cover Classification (MSLCC)
需要邮件申请
https://www.dlr.de/eoc/en/desktopdefault.aspx/tabid-12760
包括:
https://spacenetchallenge.github.io/datasets/datasetHomePage.html
需要使用AMS公共数据集访问下载