文章目錄
- 1. S2MTCP
- 2. Hi-UCD
- 3. SECOND
- 4. CD_Data_GZ
- 5. LEVIR-CD
- 6. LEVIR-CD+
- 7.SLADCD
- 8. HRSCD
- 9. Mts-WH
- 10. WHU Building Change detection Dataset
- 11. Synthetic images and read season-varying remote sensing images
- 12. OSCD
- 13. AICD Dataset
- 14. SZTAKI
- 15. Hyperspectral Change Detection Dataset
- 16. GETNET
- 17. HRCD
- 18. ABCD dataset
- 19. CDD（ChangeDetectionDataset）
- 20. The River Data Set
- 21. 遙感圖像稀疏表征與智能分析競賽-變化檢測
1. S2MTCP
該資料集包含N = 1520個Sentinel-2 1C級圖像對，這些圖像對來源于世界各地的城市地區。空間分辨率小于10 m的波段将重新采樣到10 m，并且圖像将被裁剪為大約600x600像素。由于某些坐标位于Sentinel拼貼的邊緣附近，是以某些圖像的尺寸小于600x600像素，然後将圖像裁剪到拼貼的邊框。不執行幾何或輻射校正。
位址：https://zenodo.org/record/4280482#.YCzfITOLTax
2. Hi-UCD
Hi-UCD專注于城市變化，并使用超高分辨率圖像建構多時态語義變化以實作精細的變化檢測。Hi-UCD的研究區域是愛沙尼亞首都塔林的一部分，面積30平方公裡。2017-2018年有359對圖像，2018-2019年有386對，2017-2019年有548對，包括圖像，語義圖和不同時間的更改圖。每個圖像的大小為1024 x 1024，空間分辨率為0.1 m。有9種物體，包括自然物體（水，草地，林地，光秃秃的土地），人造物體（建築物，溫室，道路，橋梁）和其他（與變化有關）的物體，基本上包括愛沙尼亞的所有類型的城市土地覆寫 。
位址：https://arxiv.org/abs/2011.03247
3. SECOND
SECOND是一個語義變化檢測資料集，它從多個平台和傳感器收集了4662對航空圖像。這些圖像對分布在杭州，成都和上海等城市。每個圖像的尺寸為512 x 512，并在像素級别進行注釋。第二個重點是6種主要的土地覆寫類别，即非植被地表，樹木，低植被，水，建築物和遊樂場，它們經常涉及自然和人為的地理變化。
位址：
http://www.captain-whu.com/PROJECT/SCD/
百度雲：
https://pan.baidu.com/s/1FSdlPB_EPk8SUAJZFcem9A
提取碼：RSAI
4. CD_Data_GZ
這些圖像是在2006年至2019年期間采集的，覆寫了中國廣州市的郊區。為了促進圖像對的生成，采用了BIGEMAP軟體的Google Earth服務來收集19個随季節變化的VHR圖像對，這些圖像對具有紅色，綠色和藍色三個波段，空間分辨率為0.55 m，尺寸範圍為1006×1168 像素到4936×5224像素。
位址：
https://github.com/daifeng2016/Change-Detection-Dataset-for-High-Resolution-Satellite-Imagery
百度雲：
https://pan.baidu.com/s/1WxkJYsQwCxgT6RzNNAl9nw
提取碼：RSAI
5. LEVIR-CD
LEVIR-CD包含637個超高分辨率（VHR，0.5m /像素）的Google Earth圖像更新檔對，大小為1024×1024像素。這些時間跨度為5到14年的比特影像具有重大的土地利用變化，尤其是建築的增長。LEVIR-CD涵蓋各種類型的建築物，例如别墅，高層較高價的電梯大廈，小型車庫和大型倉庫。完整注釋的LEVIR-CD總共包含31,333個單獨的變更建構執行個體。
位址：
https://justchenhao.github.io/LEVIR/
百度雲：連結：
https://pan.baidu.com/s/1HlnKWToc00986jiTxhq_CA
提取碼：RSAI
6. LEVIR-CD+
LEVIR-CD+資料集是大規模建築變化檢測資料集，是在現有公開資料集LEVIR-CD的基礎上建構的。LEVIR-CD+一共包含1970個樣本，其中985個樣本作為訓練，後985個樣本用于測試。每個樣本包含前時向遙感圖像，後時相遙感圖像以及對應的建築變化标簽圖。本資料集中的遙感圖像大小為1024 X 1024，分辨率為0.5米。标簽圖與圖像大小相等，像素值為0或255，其中0代表沒有建築變化，255代表存在建築變化。本資料集中變化的建築執行個體數量大緻為80000個。
LEVIR-CD+與LEVIR-CD的關系：LEVIR-CD中包含的637對樣本資料作為LEVIR-CD+訓練集的一部分。
有關LEVIR-CD資料集更詳盡的介紹請檢視
https://justchenhao.github.io/LEVIR/
位址：
http://rs.ia.ac.cn/cp/portal/dataDetail?name=LEVIR-CD%2B
7.SLADCD
Side Looking, All Daytime Change Detection (SLADCD) 資料集是大規模的建築變化檢測資料集。圖像分辨率為0.5~1米。本資料集預計包含2萬個樣本，釋出其中1萬個訓練和驗證集樣本（目前釋出767對樣本），保留1萬個樣本用于線上測評。
每個樣本包含前時向遙感圖像，後時相遙感圖像以及對應的建築變化标簽圖。本資料集中的遙感圖像大小為1024 X 1024，配對切片中成像時間間隔為1年以上,前後時相已進行精細化配準，并制作了對應的标簽圖像。
标簽圖與圖像等大，标簽圖像中為人工精細标注的前後時相中建立或拆除的建築物輪廓。像素值為0或255，其中0代表沒有建築變化，255代表存在建築變化。公開資料集中共包含超過8萬個有變化的建築執行個體，可用于變化檢測深度學習方法的開發和驗證。
SLADCD與LEVIR-CD+的關系：相比于LEVIR-CD+資料集關注城市建築區域，SLADCD包含的更多農田、森林和荒漠地區；更為重要的是，SLADCD中圖像為衛星側視成像，導緻圖像配準精度的降低，增加了建築物比對的難度。SLADCD資料集對算法在複雜地物目标和成像條件下的魯棒性有更高的要求，但也更增加了算法的實用價值。
值得指出的是，SLADCD資料集可用于側視遙感圖像的精細配準問題研究。
位址：
http://rs.ia.ac.cn/cp/portal/dataDetail?name=SLADCD
8. HRSCD
該資料集包含來自IGS的BD ORTHO資料庫的291個RGB航空圖像的注冊圖像對。提供了像素級更改和土地覆寫注釋，這些注釋是通過對Urban Atlas 2006，Urban Atlas 2012和Urban Atlas Change 2006-2012地圖進行栅格化生成的。
位址：
https://ieee-dataport.org/open-access/hrscd-high-resolution-semantic-change-detection-dataset#files
9. Mts-WH
Multi-temp Scene Wuhan(MtS-WH) 資料集主要用于進行場景變化檢測的方法理論研究與驗證。場景變化檢測就是在場景語義的層次上，對一定範圍區域的土地利用屬性變化情況進行檢測和分析。
本資料集主要包括兩張由IKONOS傳感器獲得的，大小為7200 x 6000的大尺寸高分辨率遙感影像。覆寫範圍為中國武漢市漢陽區。影像分别擷取于2002年2月和2009年6月，經過GS算法融合，分辨率為1m，包含4個波段（藍，綠，紅和近紅外波段）。
整個資料集的訓練樣本和測試樣本都是在大尺度高分辨率遙感影像中選取産生的。每個時相訓練集包括190張影像，測試集包括1920張影像。訓練集和測試集的場景圖檔共劃分為以下幾個類别：
位址：
http://sigma.whu.edu.cn/newspage.php?q=2019_03_26
10. WHU Building Change detection Dataset
資料集包含兩個航拍圖像（0.2m /像素，15354×32507），并提供了這兩個航拍圖像的變化矢量，變化栅格圖以及兩個相應的建築物矢量。
位址：
https://study.rsgis.whu.edu.cn/pages/download/building_dataset.html
11. Synthetic images and read season-varying remote sensing images
該資料集具有三種類型：沒有對象相對偏移的合成圖像，對象相對偏移較小的合成圖像，随季節變化的真實遙感圖像（由Google Earth獲得）。真實季節變化的遙感圖像具有16000個圖像集，圖像尺寸為256x256像素（10000個訓練集以及3000個測試和驗證集），空間分辨率為3至100 cm / px
位址：
https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLII-2/565/2018/isprs-archives-XLII-2-565-2018.pdf
https://drive.google.com/uc?id=1GX656JqqOyBi_Ef0w65kDGVto-nHrNs9&export=download
百度雲：連結：
https://pan.baidu.com/s/1fQGYoLXjqKhb5EW2a5lpCg
提取碼：RSAI
12. OSCD
資料集解決了檢測不同日期的衛星圖像之間變化的問題。它包含2015年至2018年之間從Sentinel-2衛星拍攝的24對多光譜圖像。在世界各地（巴西，美國，歐洲，中東和亞洲）都選擇了位置。對于每個位置，均提供了Sentinel-2衛星獲得的13對波段的多光譜衛星圖像對。
位址：
https://ieee-dataport.org/open-access/oscd-onera-satellite-change-detection#files
13. AICD Dataset
該資料集包含合成的航空圖像，其中包含使用渲染引擎生成的人工更改。它包含1000對800x600圖像，每對包括一個參考圖像和一個測試圖像，以及1000個對應的800x600地面真值。
位址：
https://computervisiononline.com/dataset/1105138664
百度雲：
https://pan.baidu.com/s/1ojXiE-JDiRy8Q91mTAXC5g
提取碼：RSAI
14. SZTAKI
資料集包含13對大小為952x640像素的航拍圖像，空間分辨率為1.5m。變化内容包含（a）建立城區（b）建築施工（c）種植大批樹木（d）新的耕地（e）重建前的基礎工作。請注意，ground truth不包含變化分類，僅為每個像素标注 變化/不變化 标簽
位址：
http://web.eee.sztaki.hu/remotesensing/airchange_benchmark.html
百度雲：
https://pan.baidu.com/s/1J843se8bkSTcL81Porc0Kg
提取碼：RSAI
15. Hyperspectral Change Detection Dataset
該資料集可用于在多時間高光譜圖像中執行變化檢測技術。它包括來自AVIRIS傳感器的兩個不同的高光譜場景：聖塔芭芭拉場景，拍攝于2013年和2014年，使用AVIRIS傳感器在聖塔芭芭拉地區（加利福尼亞州）上拍攝，其空間尺寸為984 x 740像素，包括224個光譜帶。灣區場景，拍攝于2013年和2015年，AVIRIS傳感器圍繞帕特森市（加利福尼亞州）拍攝，其空間尺寸為600 x 500像素，包括224個光譜帶。它還包括來自HYPERION傳感器的高光譜場景：Hermiston城市場景，使用HYPERION傳感器于2004年和2007年在Hermiston City地區（俄勒岡州）上拍攝，其空間尺寸為390 x 200像素，包括242個光譜帶。在此場景中，确定了與作物過渡有關的5種變化類型。
位址：
https://citius.usc.es/investigacion/datasets/hyperspectral-change-detection-dataset
百度雲：
https://pan.baidu.com/s/1EjVehntXbDq-9UyfJsTSdQ
提取碼：RSAI
16. GETNET
該資料集有兩個高光譜圖像，分别在2013年5月3日和2013年12月31日在中國江蘇省獲得。它的尺寸為463×241像素，去除噪聲帶後可使用198個帶。在真實地圖中，白色像素代表變化的部分，黑色像素代表不變的部分。
位址：
https://ieeexplore.ieee.org/document/8418840/?denied=
17. HRCD
位址：
http://www.pshrcd.com/#/intro
18. ABCD dataset
ABCD（AIST Building Change Detection）資料集是一個标記資料集，專門用于建構和評估損壞檢測系統，以識别建築物是否已被海嘯沖走。該資料集中的每個資料都是一對海嘯前後的航拍圖像，并包含位于圖像中心的目标建築物。配置設定給每個貼片對的類别标簽（即“沖走”或“幸存”）表示海嘯發生前貼片中心的建築物是否被海嘯沖走。
圖像分為兩種：fixed-scale and resized。Fixed-scale patches從航拍圖像中裁剪出固定的160 x 160像素的圖像；是以它們具有與原始圖像相同的分辨率（40厘米）。相反，resized patches 根據每個目标建築的大小進行裁剪(具體來說，是目标建築的三倍大)，然後全部調整為128 x 128像素；是以 patches 的空間比例因建築物而異。所得的ABCD資料集包含 8,506 pairs for fixed-scale (4,253 washed-away) and 8,444 pairs for resized (4,223 washed-away)。
位址：
https://github.com/gistairc/ABCDdataset
百度雲：
https://pan.baidu.com/s/111dc36JWV06Qva07dFdmUw
提取碼：RSAI
19. CDD（ChangeDetectionDataset）
該資料集具有三種類型：沒有對象相對移動的合成圖像，對象相對移動較小的合成圖像，随季節變化的真實遙感圖像（由Google Earth獲得）。随季節變化的遙感圖像具有16000個圖像集，圖像尺寸為256x256像素（10000個訓練集以及3000個測試和驗證集），空間分辨率為3至100 cm / px。
百度雲：
https://pan.baidu.com/s/1Xu0kIpThW2koLcyfcJEEfA
提取碼：RSAI
20. The River Data Set
該資料集包含兩幅高光譜影像，分别于2013年5月3日和12月31日采集自中國江蘇省的某河流地區，所用傳感器為Earth Observing-1 (EO-1) Hyperion，光譜範圍為0.4—2.5 μm，光譜分辨率為10 nm，空間分辨率為30 m，影像大小為463×241像素，共有242個光譜波段，去除噪聲後有198個波段可用。影像中的主要變化類型是河道縮減。
位址：
https://share.weiyun.com/5xdge4R
21. 遙感圖像稀疏表征與智能分析競賽-變化檢測
本項競賽以光學遙感圖像為處理對象，參賽隊伍使用主辦方提供的遙感圖像進行建築物變化檢測，主辦方根據評分标準對變化檢測結果進行綜合評價。競賽中将提供兩個不同時間擷取的大尺度高分辨率遙感圖像（包含藍、綠、紅和近紅外四個波段），以及圖像中變化區域的二值化标注資料集。
位址：
http://rscup.bjxintong.com.cn/#/theme/4（已關閉）
百度雲：