SAR（遙感、衛星） 圖像常用資料集

推薦一個下載下傳資料集的中文網站，親測速度快種類多：https://hyper.ai/datasets

目錄

一、背景

二、資料集整理

1. the UC Merced Land Use Dataset（約110M）

2. DOTA：A Large-scale Dataset for Object Detection in Aerial Images（約35G）

3. NWPU VHR-10（約73M）

4. UCAS-AOD: Dataset of Object Detection in Aerial Images（約3G）

5. BigEarthNet: A Large-Scale Benchmark Archive For Remote Sensing Image Understanding（約66G）

6. TGRS-HRRSD-Dataset（約4G）

7. RSOD-Dataset（可下載下傳）

8. INRIA aerial image dataset（約64G）

9. CAESAR-RADI，SAR-Ship-Dataset（可下載下傳）

10. 雄安馬蹄灣村航空高光譜遙感影像資料集（可下載下傳）

11. AID Data Set（約2.7G）

12. Dataset-UAV-123 視訊資料集（約17G）

一、背景

很久沒寫CSDN了，近期終于可以抽時間來寫寫CSDN了。自己是做遙感出身，一直在關注計算機視覺在遙感領域的最新成果，目前基于深度學習模型的遙感圖像分類，目辨別别，圖像生成等領域，都需要大量的訓練資料，而網上的很多資料集比較老，作者也沒有進一步更新，是以這篇文章就整理一下自己遇到的遙感資料集，并會一直持續更新。

二、資料集整理

1. the UC Merced Land Use Dataset（約110M）

資料集介紹：這個資料集有21種土地利用類型，每種100張，尺寸為256*256。可用于資料分類。

下載下傳位址：https://pan.baidu.com/s/1i5zQNdj 或者官方位址：http://weegee.vision.ucmerced.edu/datasets/landuse.html

資料集應用示例：我曾用過該資料集做遙感圖像生成，不過效果其實一般，可參考：對抗神經網絡學習（十二）——MARTA-GAN實作遙感圖像的場景生成(tensorflow實作)

資料集釋出年份：2016年之前？（待考證）

2. DOTA：A Large-scale Dataset for Object Detection in Aerial Images（約35G）

資料集介紹：該資料集一共有15種土地利用類型，總樣本數約為18萬，可用于目标檢測，資料分類。DOTA 資料集（全稱 A Large-scale Dataset for Object DeTection in Aerial Images）是用于航拍圖像中的目标檢測的大型圖像資料集。 它可用于發現和評估航拍圖像中的物體。DOTA-v1.0 包含來自不同傳感器和平台的 2806 幅航拍圖像。 每個圖像的尺寸在約 800×800 到 4000×4000 像素的範圍内，并且包含呈現各種尺度、方向和形狀的物體。 然後，這些 DOTA 圖像由航空圖像解釋專家使用 15 個常見目标類别進行注釋。 完全注釋的 DOTA 圖像包含 188,282 個執行個體，每個執行個體由任意（8 d.o.f.）四邊形标記。DOTA 資料集于 2017 年 11 月 28 日由武漢大學釋出在 arXiv 上，之後于 2018 年 6 月釋出在 IEEE 計算機視覺和模式識别會議（CVPR）上。DOTA-v1.0 資料集中的圖像是從 Google Earth 收集的，其中一些是由衛星 JL-1 拍攝的，其他的是由中國資源衛星資料和應用中心的衛星 GF-2 拍攝的。

下載下傳位址：http://captain.whu.edu.cn/DOTAweb/dataset.html或者https://hyper.ai/datasets/4920

資料集應用示例：（待更新）

資料集釋出年份：2017年， 資料集約35G

3. NWPU VHR-10（約73M）

資料集介紹：資料集包含800張圖像，其中650張包含10類地物目标，150張為背景樣本圖像，可用于分類。

下載下傳位址：https://pan.baidu.com/s/1hqwzXeG#list/path=%2F

資料集應用示例：（待更新）

資料集釋出年份：2014年，資料集約73M

4. UCAS-AOD: Dataset of Object Detection in Aerial Images（約3G）

資料集介紹：中國科學院大學 • 模式識别與智能系統開發實驗室的成果，資料集包含兩類目标，汽車和飛機，還有一部分是背景樣本，總計約2400張影像。

下載下傳位址：原官網已經找不到該資料集的下載下傳位址了，我在網上找到了别人百度雲上的下載下傳位址：https://pan.baidu.com/s/1bplTvif 密碼：ppef

資料集應用示例：（待更新）

資料集釋出年份：2015年，資料集約3G

補充：我到中國科學院大學 • 模式識别與智能系統開發實驗室的首頁看了一下，實驗室公布了很多關于深度學習與遙感方面的論文及成果，這裡補充幾個連結，可以供大家學習：實驗室畢業生的學位論文：https://ucassdl.cn/content/team/alumni.html；實驗室論文成果清單：https://ucassdl.cn/content/work/paper.html

5. BigEarthNet: A Large-Scale Benchmark Archive For Remote Sensing Image Understanding（約66G）

資料集介紹：資料集是Sentinel-2資料，約59萬個圖像塊

下載下傳位址：http://bigearth.net/

資料集應用示例：（待更新）

資料集釋出年份：2018年，資料集約66G

6. TGRS-HRRSD-Dataset（約4G）

資料集介紹：是中國科學院西安光學精密機械研究所光學影像分析與學習中心制作用于研究高分辨率遙感圖像目标檢測的資料集，共13類，~21000張圖，共計4萬個目标對象

下載下傳位址：https://github.com/CrazyStoneonRoad/TGRS-HRRSD-Dataset/tree/master/OPT2017

資料釋出年份：2018年

7. RSOD-Dataset（可下載下傳）

資料集介紹：武漢大學團隊标注，包含飛機、操場、立交橋、 油桶四類目标，~1000張圖像

下載下傳位址：https://github.com/RSIA-LIESMARS-WHU/RSOD-Dataset-

資料釋出年份：2017年

8. INRIA aerial image dataset（約64G）

資料集介紹：Inria Aerial Image Labeling Dataset 資料集是一個城市建築物檢測的遙感圖像資料集，标記隻有建築/非建築兩種，且是像素級别，用于語義分割。該資料集于 2017 年由 Inria 釋出，相關論文為 Can Semantic Labeling Methods Generalize to Any City? The Inria Aerial Image Labeling Benchmark。資料采集自0.3m分辨率的遙感圖像，覆寫面積810km^2。

下載下傳位址：https://project.inria.fr/aerialimagelabeling/或者https://hyper.ai/datasets/5428

資料釋出年份：2017 資料集約64G

9. CAESAR-RADI，SAR-Ship-Dataset（可下載下傳）

資料集介紹：中科院遙感所王超研究員團隊建構的“多模式SAR圖像船舶檢測資料集”。該資料集以我國國産高分三号SAR資料和Sentinel-1 SAR資料為主資料源，共采用了102景高分三号和108景Sentinel-1 SAR圖像建構高分辨率SAR船舶目标深度學習樣本庫。标注的船舶切片約4萬多個。

下載下傳位址：https://github.com/CAESAR-Radi/SAR-Ship-Dataset?tdsourcetag=s_pcqq_aiomsg

資料釋出年份：2019年

10. 雄安馬蹄灣村航空高光譜遙感影像資料集（可下載下傳）

資料集介紹：遙感所高光譜團隊的資料檔案，我目前還沒下載下傳檢視，具體的圖像檔案了解的不多。

下載下傳位址：http://www.hrs-cas.com/a/share/shujuchanpin/2019/0501/1049.html

資料集釋出年份：2019年5月

11. AID Data Set（約2.7G）

資料集介紹：AID 資料集是一個遙感影像資料集，圖像像素大小為 600*600，總包含 30 類場景圖像，每一類大概 220-420 張，共 10000 張。該資料集于 2017 年由武漢大學和華中科技大學釋出。

下載下傳位址：https://hyper.ai/datasets/5446

資料集釋出年份：2017年4月，資料集約2.7G

12. Dataset-UAV-123 視訊資料集（約17G）

資料集介紹：Dataset-UAV-123 資料集是從低空無人機捕獲的視訊組成的資料集，于 2016 年由阿蔔杜拉國王科技大學的 Matthias Mueller, Neil Smith and Bernard Ghanem 釋出。從低空無人機捕獲的視訊與流行的跟蹤資料集（如 OTB50，OTB100，VOT2014，VOT2015，TC128 和 ALOV300 ++）中的視訊本質上不同。 是以，一個新的資料集（UAV123）被提出，其中包含來自航空觀點的序列，其子集用于長期空中跟蹤（UAV20L）。 UAV123 資料集包含總共 123 個視訊序列和超過 110K 幀，使其成為 ALOV300 ++之後的第二大對象跟蹤資料集。 所有序列都使用直立邊框進行完全注釋。 資料集可以輕松地與可視跟蹤器基準內建。 它包括 UAV 資料集的所有邊界框和屬性注釋。 相關論文為 A Benchmark and Simulator for UAV Tracking。

下載下傳位址：https://hyper.ai/datasets/5154

資料集釋出年份：2016年，資料集約17G

目錄