卫星图像10个开源数据集资源汇总

简介: 卫星图像10个开源数据集资源汇总

1、UC Merced Land-Use

  • 数据集下载地址:http://suo.nz/2IXmvN

这是一个用于研究目的的21类土地利用图像数据集。以下每个类别都有100张图像:

农业、飞机、棒球钻石、海滩、建筑物、丛林、密集住宅、森林、高速路口、高尔夫球场、港口、路口、中型住宅、移动房屋公园、立交桥、停车场、河、跑道、稀疏住宅、储油罐、网球场

每个图像的尺寸为 像素。

这些图像是从美国地质堪探局国家地图城市区域图像集中针对全国各个城市地区的大图像中手动提取的。此公共领域图像的像素分辨率为 1 英尺。

Please cite the following paper when publishing results that use this dataset:

Yi Yang and Shawn Newsam, "Bag-Of-Visual-Words and Spatial Extensions for Land-Use Classification," ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems (ACM GIS), 2010.

Shawn D. Newsam

Assistant Professor and Founding Faculty

Electrical Engineering & Computer Science

University of California, Merced

Email: snewsam@ucmerced.edu

Web: http://faculty.ucmerced.edu/snewsam/

2、Indian Pines

  • 数据集下载地址:http://suo.nz/2JHZ1g这一场景由AVIRIS传感器采集位于印第安纳州西北部的Indian Pines 测试场上空,由像素和 224 个光谱反射带组成,波长范围为 0.4–2.5 10^(-6) 米。该场景是一个较大场景的子集。印度松树场景包含三分之二的农业和三分之一的森林或其他天然多年生植被。有两条主要的双车道高速公路、一条铁路线,以及一些低密度住房、其他建筑结构和较小的道路。由于该场景是在 6 月份拍摄的,因此一些农作物(玉米、大豆)正处于生长早期阶段,覆盖率不到 5%。可用的基本事实被指定为十六个类别,并且并非全部都是相互排斥的。还通过去除覆盖吸水区域的谱带,将谱带数量减少到 200:[104-108]、[150-163]、220。

3、KSC

  • 数据集下载地址:http://suo.nz/2Rec5X

KSC数据集是于1996年3月份在美国佛罗里达州肯尼迪太空中心进行成像,截取512×614大小进行标注的高光谱数据集。它是由机载可是红外成像光谱仪(AVIRIS)摄,AVIRIS的波长范围是400-2500nm。空间分辨率为18米,在去除吸水带以及低信噪比波段后,实际用于训练的波段是176个。研究区域有13中地物类型,包括Scrub、Willow swamp、Cabbage palm hammock、Slash pine等。

4、Washington DC

  • 数据集下载地址:http://suo.nz/2YJZ9K

Washington DC数据集是由Hydice传感器获取的一幅华盛顿购物中心上空的航空高光谱影像,数据包含了从 0.4 -2.4 µm可见光和近红外波段范围的共191个波段,数据大小为1280×307。地物类别包括街道,草地,水,碎石小路,树木,阴影和屋顶。

5、BigEarthNet

  • 数据集下载地址:https://bigearth.net/

使用Sentinel-2图像补丁构建BigEarthNet(现在称为BigEarthNet-S2,以前称为BigEarthNet),初步选择了2017年6月至2018年5月期间在欧洲10个国家(奥地利、比利时、芬兰、爱尔兰、科索沃、立陶宛、卢森堡、葡萄牙、塞尔维亚、瑞士)。所有图块均通过 Sentinel-2 Level 2A 产品生成和格式化工具 (sen2cor v2.5.5) 进行了大气校正。然后,它们被分为 590,326 个不重叠的图像块。每个图像块都由 2018 年 CORINE 土地覆盖数据库 (CLC 2018) 提供的多个土地覆盖类别(即多标签)进行注释。BigEarthNet中的标签属于2018年首次发布的标签。

6、水体卫星图像的图像

  • 数据集下载地址:http://suo.nz/2ksvWY

Sentinel-2 卫星拍摄的水体图像集。每张图片都带有一个黑白mask,其中白色代表水,黑色代表除水之外的其他东西。这些掩模是通过计算 NWDI(归一化水差指数)生成的,该指数经常用于检测和测量卫星图像中的植被,但使用更大的阈值来检测水体。

7、城市航拍图像分割数据集

  • 数据集下载地址:http://suo.nz/2cWiSh

此数据集包含用于检查和准备航空影像分割数据集的脚本。该数据集包含一组不同的卫星图像,这些图像用目标城市的建筑物、道路和背景标签进行了注释。

8、游泳池和汽车卫星图像检测

  • 数据集下载地址:http://suo.nz/3b5ZtQ

9、人工月球景观数据集

  • 数据集下载地址:http://suo.nz/33zMp9

由于月球图像的稀缺性和缺乏注释,通常很难对其进行任何类型的机器学习实验。该数据集的目标是为公众提供人造而逼真的月球景观样本,可用于训练岩石检测算法。这些经过训练的算法可以在实际的月球图片或其他岩石地形图片上进行测试。该数据集目前包含 9,766 个岩石月球景观的真实渲染图,以及它们的分段等价物(3 类是天空、较小的岩石和较大的岩石)。还提供了所有较大岩石和经过处理、清理后的地面实况图像的边界框表。

10、马萨诸塞州道路数据集

  • 数据集下载地址:http://suo.nz/32Pa9O

马萨诸塞州道路数据集由1171幅马萨诸塞州的航空图像组成。与建筑数据一样,每个图像的大小为1500×1500像素,占地2.25平方公里。

参考:小白学视觉、极市平台


目录
相关文章
|
存储 XML Java
Flowable工作流-高级篇
Flowable工作流-高级篇
9502 1
|
2月前
|
机器学习/深度学习 人工智能 算法
无人机角度的道路损害检测数据集(7000张图片已划分、已标注)| AI训练适用于目标检测任务
基于无人机视角的道路损害检测,是智能交通与智慧城市建设的重要组成部分。本文介绍的数据集,从真实巡检场景出发,覆盖典型道路病害类型,为目标检测算法在复杂环境下的验证与落地提供了坚实基础。 随着无人机平台、传感器精度及深度学习算法的持续演进,结合此类高质量数据集的研究,将进一步推动道路养护从“被动响应”向“主动预防”转变。
无人机角度的道路损害检测数据集(7000张图片已划分、已标注)| AI训练适用于目标检测任务
|
2天前
|
人工智能 JSON BI
DeepSeek V4 来了!超越 Claude Sonnet 4.5,赶紧对接 Claude Code 体验一把
JeecgBoot AI专题研究 把 Claude Code 接入 DeepSeek V4Pro 的真实体验与避坑记录 本文记录我将 Claude Code 对接 DeepSeek 最新模型(V4Pro)后的真实体验,测试了 Skills 自动化查询和积木报表 AI 建表两个场景——有惊喜,也踩
828 6
|
机器学习/深度学习 数据采集 自然语言处理
深度学习实践技巧:提升模型性能的详尽指南
深度学习模型在图像分类、自然语言处理、时间序列分析等多个领域都表现出了卓越的性能,但在实际应用中,为了使模型达到最佳效果,常规的标准流程往往不足。本文提供了多种深度学习实践技巧,包括数据预处理、模型设计优化、训练策略和评价与调参等方面的详细操作和代码示例,希望能够为应用实战提供有效的指导和支持。
|
Web App开发 iOS开发 MacOS
如何在浏览器中启用夜间模式?
【10月更文挑战第10天】
|
机器学习/深度学习 算法 数据可视化
利用SVM(支持向量机)分类算法对鸢尾花数据集进行分类
本文介绍了如何使用支持向量机(SVM)算法对鸢尾花数据集进行分类。作者通过Python的sklearn库加载数据,并利用pandas、matplotlib等工具进行数据分析和可视化。
1264 70
|
小程序 Java 数据库
基于SpringBoot+Vue二手交易平台设计和实现(源码+LW+调试文档+讲解等)
基于SpringBoot+Vue二手交易平台设计和实现(源码+LW+调试文档+讲解等)
|
数据可视化 定位技术 Sentinel
遥感影像数据下载网站整理
遥感影像数据下载网站整理
1173 2
|
消息中间件 存储 网络协议
RabbitMQ的使用
这篇文章详细介绍了RabbitMQ的消息中间件概念、核心组件、通过Docker的安装方法和基本使用步骤,并展示了如何在Spring Boot中整合RabbitMQ,包括依赖配置、消息的发送和接收示例。
RabbitMQ的使用
|
机器学习/深度学习 数据采集 人工智能
数据工作中的自动化与AI融合实践
【8月更文第13天】随着大数据和人工智能(AI)技术的发展,数据处理和分析变得越来越重要。本文将探讨如何通过自动化工具和AI技术来优化数据处理流程,包括数据清洗、特征工程、模型训练以及结果可视化等步骤。我们将使用Python编程语言及其相关库(如Pandas、Scikit-learn和TensorFlow)作为实现手段。
1018 0