常用深度学习遥感数据集

数据集

NWPU VHR-10：包含飞机、篮球、储油罐、网球场和交通工具。 715张RGB images（ Google Earth、分辨率0.5m-0.2m）和 85 张全色(分辨率0.08m)

UCAS-AOD： 用于飞机和汽车检测。目标精挑细选，对象的方向在数据集中均匀分布

DOTA： 飞机、船、桥…15个类别航空影像。大小800 * 800到4000 * 4000，最具有挑战性。

RSOD： 油管、飞机、立交桥、广场数据集。来源Google Earth和天地图。

DLR 3 K Vehicle： 车辆检测的航空数据。大小5616*3744，分辨率0.13m

TAS： 汽车检测的航空数据集。

HRSC2016： 船目标检测。尺寸大小300 * 300到1500 * 900，来源Google Earth

SZTAKI-INRIA： 建筑物检测遥感影像。来源：QuickBird, IKONOS, and
Google Earth，航空影像

VEDAI： 多种类型的运载工具。2012年春天获取，分辨率0.12m,RGB+N(近红外)，尺寸大小：1024*1024链接：http://gis.utah.gov/
DIOR： 地物类别如下图。大小800 * 800，分辨率0.5m到30m。包括不同季节、不同天气。位置增强。来源Google Earth。

数据集对比

DIOR数据集实验结果

尝试方向

SNIP (Singh and Davis, 2018) and SNIPER (Singh et al., 2018b)应用到已有的检测器：Faster R-CNN、Mask R-CNN、R-FCN

参考：
[1] 航空航天遥感图像目标检测数据集汇总(详细介绍)
[2] Object detection in optical remote sensing images: A survey and a new benchmark