Datensätze Aus Luftbildaufnahmen, Die Die Bereiche Fahrzeug-/Schiffserkennung/Objektbewertung/Stadtlandschaften Abdecken …
Mit der zunehmenden Verbreitung von Drohnen und der rasanten Entwicklung der Computervision-Technologie rückt die Drohnen-Luftbildfotografie als innovative Form der Fotografie in beispiellosem Tempo ins öffentliche Bewusstsein. Es durchbricht die Beschränkungen der traditionellen Fotografie und eröffnet uns eine „Perspektive Gottes“. Die Leistungsfähigkeit der Hardware für Luftbildfotografie nähert sich allmählich der physikalischen Grenze und auch die Schwierigkeit der Algorithmusoptimierung nimmt zu.Die Qualität der Daten entscheidet direkt darüber, ob das jeweilige Modell von der einfachen Datenerfassung zur genauen Objektbewertung und Szenenklassifizierung übergehen kann.
Bei der Erstellung eines Luftbilddatensatzes handelt es sich keineswegs nur um das einfache Stapeln von Bildern. Im Vergleich zu herkömmlichen Methoden der Datenerfassung können mithilfe der Luftbildfotografie umfangreiche Informationsdaten in kurzer Zeit gewonnen werden, was die Effizienz der Datenerfassung erheblich verbessert. Um die Gültigkeit und Sicherheit der Daten zu gewährleisten, ist es außerdem erforderlich, den Erfassungsbereich und die Erfassungszeit rational zu planen, den Trainingssatz, den Validierungssatz und den Testsatz strikt aufzuteilen und einen dynamischen Aktualisierungsmechanismus einzurichten, um regelmäßig neue Daten hinzuzufügen und sich an die sich ständig ändernde geografische und physische Umgebung anzupassen. Angesichts komplexer Aufgaben wie Stadtplanung, Zielerkennung und Objektbewertung ist es beim Erstellen eines Datensatzes erforderlich, die Anforderungen verschiedener Bereiche gründlich zu analysieren, mehrdimensionale Informationen zu integrieren, reale Anwendungsszenarien zu simulieren und praktische Lernmaterialien für das Modelltraining bereitzustellen.
Zusammenfassend lässt sich sagen, dass die Aufmerksamkeit der gesamten Gesellschaft für qualitativ hochwertige Luftbilddatensätze weiter zunimmt. Als nächstes hat HyperAI eine Reihe beliebter und praktischer Luftbild-Datensätze für Sie zusammengestellt, die von Universitäten wie der Universität Tianjin und der Universität Wuhan stammen.Es umfasst mehrere Bereiche wie Fahrzeugerkennung, Schiffserkennung und Objektbewertung.Für Praktiker und Forscher, die ihre Forschung im Bereich der Luftbildfotografie vertiefen möchten, sind diese Datensätze zweifellos eine große Hilfe.
Klicken Sie hier, um weitere Open-Source-Datensätze anzuzeigen:
Zusammenfassung des Luftbilddatensatzes
1. FLAME-Feuer-Luftbilddatensatz
Downloadadresse:https://go.hyper.ai/G1sUE
FLAME ist ein auf Luftbildern basierender Datensatz zur Waldbranderkennung, der die Überwachung und Alarmierung von Waldbränden erleichtern soll. Die Daten stammen aus Bildern von Bränden, die von Drohnen während kontrollierter Brände von aufgehäuftem Schutt in Kiefernwäldern in Arizona gesammelt wurden, und umfassen Videoaufzeichnungen und Wärmekarten, die von Infrarotkameras aufgenommen wurden.
2. SkyCity Aerial City Landscape Stadtlandschafts-Luftbilddatensatz
Geschätzte Größe:117,1 MB
Downloadadresse:https://go.hyper.ai/Zip37
Dieser Datensatz wird zur Klassifizierung von Landschaften aus der Luft verwendet. Es enthält insgesamt 8.000 Bilder, darunter 10 verschiedene Kategorien (Brücken, Gewerbegebiete, Industriegebiete, Kreuzungen, Sehenswürdigkeiten, Parks, Parkplätze, Spielplätze, Wohngebiete, Stadien), und jede Kategorie enthält 800 qualitativ hochwertige Bilder. Zu den Datenquellen gehören die öffentlich verfügbaren Datensätze AID und NWPU-Resisc45, die die Analyse städtischer Landschaften erleichtern sollen.
3. Luftaufnahmen von Landschaften
Geschätzte Größe:154,31 MB
Downloadadresse:https://go.hyper.ai/loRNk
Dieser Datensatz wird zur Klassifizierung von Landschaften aus der Luft verwendet. Es enthält insgesamt 12.000 Bilder aus 15 verschiedenen Kategorien (Landwirtschaft, Flughafen, Strand, Stadt, Wüste, Wald, Grasland, Straße, See, Berg, Parkplatz, Hafen, Eisenbahn, Wohngebiet, Fluss). Jede Kategorie enthält 800 hochwertige Bilder mit einer Auflösung von 256×256 Pixeln. Ziel ist die Förderung von Forschung und Entwicklung im Bereich der Computervision, insbesondere in der Landschaftsanalyse aus der Luft.
Geschätzte Größe:353,02 MB
Downloadadresse:https://go.hyper.ai/HGjn3
Dieser Datensatz ist der Schiffserkennung gewidmet und enthält insgesamt 26,9.000 Bilder mit Begrenzungsrahmenanmerkungen im YOLO-Format, wodurch eine effiziente und genaue Schiffserkennung erreicht wird und somit ein breites Spektrum potenzieller Anwendungen möglich wird.
5. Vogel vs. Drohne Datensatz zur Klassifizierung von Vogel- und Drohnenbildern
Geschätzte Größe:1,05 GB
Downloadadresse:https://go.hyper.ai/fEhfo
Der Datensatz stammt aus verschiedenen Bildsammlungen auf der Pexel-Website und enthält insgesamt 20.925 Bilder, die in Form von Videobildern aufgenommen wurden. Es wurde segmentiert, verbessert und vorverarbeitet, um unterschiedliche Umweltbedingungen zu simulieren und Drohnen und Vögel in verschiedenen Umgebungen besser zu identifizieren. Der Datensatz ist gemäß der YOLOv7 PyTorch-Spezifikation formatiert und in drei Ordner unterteilt: Test, Train und Valid.
*Testordner: enthält 889 Drohnen- und Vogelbilder. Dieser Ordner hat Unterkategorien mit der Bezeichnung BT (Bird Test Images) und DT (Drone Test Images).
*Zugordner: Dieser Ordner enthält 18.323 Bilder, darunter Drohnen- und Vogelbilder, unterteilt in die Kategorien BT und DT.
*Gültiger Ordner: enthält 1.740 Bilder und die Ordnerbilder sind in BT und DT unterteilt.
6. iSAID-Datensatz zur Segmentierung von Luftbildinstanzen
Geschätzte Größe:6,74 GB
Downloadadresse:https://go.hyper.ai/xZzWt
iSAID ist der erste Benchmark-Datensatz für die Instanzsegmentierung in Luftbildern, der Objekterkennung auf Instanzebene und Segmentierungsaufgaben auf Pixelebene kombiniert. Es enthält 2.806 hochauflösende Bilder, die 15 Kategorien und 655.451 Objektinstanzen abdecken. Die Daten stammen von Google Earth, dem Satelliten JL-1 und dem Satelliten GF-2 (vom China Resources Satellite Data and Application Center).
7. DroneVehicle Großflächiger Datensatz zur Erkennung von Drohnen-Luftfahrzeugen
Geschätzte Größe:13,06 GB
Downloadadresse:https://go.hyper.ai/ZLJF0
Der Datensatz wurde 2020 von einem Forschungsteam der Universität Tianjin veröffentlicht und enthält 56.878 Bilder, die alle aus RGB-Bildern und Infrarotbildern bestehen. Bildquelle: Forschung zur Fahrzeugerkennung und -zählung in Drohnen-Luftbildern. Die fünf Kategorien Pkw, Lkw, Bus, Transporter und Güterwagen sind ausführlich mit Richtungsbegrenzungsrahmen versehen.
8. Spanischer Verkehrsdatensatz aus Luftbildern
Geschätzte Größe:32,3 GB
Downloadadresse:https://go.hyper.a/ERlyA
Die Daten wurden von Drohnen erfasst und umfassen insgesamt 15.070 Bildrahmen, die verschiedene Verkehrsszenarien wie Regionalstraßen, städtische Kreuzungen und Landstraßen abdecken. Der Erstellungsprozess umfasst mehrere Schritte wie Datenerfassung, Bilderfassung, Fahrzeugbeschriftung, Anonymisierungsverarbeitung und Datenüberprüfung. Ziel ist die Bereitstellung hochwertiger Trainingsdaten für Machine-Vision-Algorithmen im Bereich des Verkehrsmanagements.
9. UAVid-Datensatz für Luftaufnahmen
Geschätzte Größe:35,16 GB
Downloadadresse:https://go.hyper.ai/zESj9
Bei diesem Datensatz handelt es sich um einen hochauflösenden Datensatz zur semantischen Segmentierung von Drohnen, der aus 30 Videosequenzen besteht, die hochauflösende 4K-Bilder mit schrägen Perspektiven erfassen, und 300 Bildern, die für semantische Kennzeichnungsaufgaben dicht mit 8 Klassen annotiert sind. Es verfügt über bemerkenswerte Funktionen hinsichtlich großräumiger Variation, Erkennung beweglicher Ziele und Wahrung der zeitlichen Konsistenz.
Geschätzte Größe:35,38 GB
Downloadadresse:https://go.hyper.ai/1JT9u
Der DOTA-v1.0-Datensatz wurde am 28. November 2017 von der Universität Wuhan auf arXiv veröffentlicht und später im Juni 2018 auf der IEEE-Konferenz für Computer Vision und Mustererkennung (CVPR) vorgestellt. Insgesamt wurden 2.806 Luftbilder von Google Earth, dem Satelliten JL-1, den Satellitendaten von China Resources und dem Satelliten GF-2 gesammelt. Es kann zur Zielerkennung in Luftbildern verwendet werden, um Objekte in Bildern zu finden und auszuwerten.
11. DOTA-Luftbilddatensatz v1.5+v2.0
Geschätzte Größe:53,12 GB
Downloadadresse:https://go.hyper.ai/0EIjk
Der DOTA-Datensatz stammt aus Luftbildern verschiedener Sensoren und Plattformen und dient der Zielerkennung in Luftbildern. Dieser Datensatz ist in die Versionen v1.5 und v2.0 unterteilt. Die Instanzen wurden von einem Experten für Luftbildinterpretation mithilfe beliebiger Vierecke (8 Freiheitsgrade) beschriftet.
*DOTA-v1.5: Enthält insgesamt 403.318 Instanzen, fügt Anmerkungen für extrem kleine Instanzen (weniger als 10 Pixel) hinzu und fügt eine neue Kategorie „Containerkran“ hinzu.
*DOTA-v2.0: Es gibt 18 allgemeine Kategorien, 11.268 Bilder (unterteilt in Trainings-, Validierungs-, Test-Entwicklungs- und Test-Challenge-Sets) und 1.793.658 Instanzen.
Oben sehen Sie den von HyperAI zusammengestellten Datensatz mit Luftaufnahmen. Wenn Sie über Ressourcen verfügen, die Sie auf der offiziellen Website von hyper.ai veröffentlichen möchten, können Sie uns gerne eine Nachricht hinterlassen oder Ihren Beitrag übermitteln!