車両/船舶検出/物体評価/都市景観などを網羅した航空写真データセット...
ドローンの普及とコンピュータービジョン技術の急速な発展により、革新的な写真撮影形式としてのドローン航空写真撮影が、かつてない速さで世間の注目を集めています。それは伝統的な写真の限界を打ち破り、私たちに「神の視点」をもたらします。航空写真撮影ハードウェアの性能は徐々に物理的な限界に近づいており、アルゴリズムの最適化の難易度も高まっています。データの品質は、関連するモデルが単純なデータ収集から正確なオブジェクト評価およびシーン分類に移行できるかどうかを直接決定します。
航空写真データセットの構築は、決して単純に画像を積み重ねることではありません。従来のデータ収集方法と比較して、航空写真撮影は短期間で大規模な情報データを取得できるため、データ収集の効率が大幅に向上します。さらに、データの有効性と安全性を確保するためには、収集エリアと時間を合理的に計画し、トレーニング セット、検証セット、テスト セットを厳密に分割し、常に変化する地理的および物理的環境に適応するために定期的に新しいデータを追加する動的更新メカニズムを確立する必要があります。都市計画、ターゲット検出、オブジェクト評価などの複雑なタスクに直面してデータセットを構築する際には、さまざまな分野のニーズを深く分析し、多次元情報を統合し、実際のアプリケーションシナリオをシミュレートし、モデルトレーニングのための実用的な学習教材を提供する必要があります。
要約すると、高品質の航空写真データセットに対する社会全体の注目は高まり続けています。次に、HyperAI は、天津大学や武漢大学などの大学から提供された、人気があり実用的な航空写真データセットのシリーズをまとめました。これには、車両検出、船舶検出、物体評価などの複数の分野が含まれます。航空写真の分野で研究を深めることに尽力している実務家や研究者にとって、これらのデータセットは間違いなく大きな助けとなります。
クリックすると、さらにオープン ソース データセットが表示されます。
航空写真データセットの概要
ダウンロードアドレス:https://go.hyper.ai/G1sUE
FLAME は、森林火災の監視と警報を容易にすることを目的とした、航空写真に基づく森林火災検出データセットです。このデータは、アリゾナ州の松林に積まれた瓦礫を計画的に焼却した際にドローンで収集された火災画像から得たもので、赤外線カメラで撮影されたビデオ録画やヒートマップも含まれている。
2. SkyCity 航空都市景観 都市景観航空写真データセット
推定サイズ:117.1MB
ダウンロードアドレス:https://go.hyper.ai/Zip37
このデータセットは航空景観の分類に使用されます。合計 8k の画像が含まれており、10 種類のカテゴリ (橋、商業地、工業地、交差点、ランドマーク、公園、駐車場、遊び場、住宅地、スタジアム) があり、各カテゴリには 800 枚の高品質画像が含まれています。データ ソースには、都市景観分析を容易にするために設計された、公開されている AID および NWPU-Resisc45 データセットが含まれます。
推定サイズ:154.31MB
ダウンロードアドレス:https://go.hyper.ai/loRNk
このデータセットは航空景観の分類に使用されます。合計 12,000 枚の画像が含まれており、15 の異なるカテゴリ (農業、空港、ビーチ、都市、砂漠、森林、草原、道路、湖、山、駐車場、港、鉄道、住宅、川) が含まれます。各カテゴリには、解像度 256×256 ピクセルの高品質画像が 800 枚含まれています。コンピュータービジョン、特に航空景観分析の分野における研究開発を促進することを目的としています。
推定サイズ:353.02MB
ダウンロードアドレス:https://go.hyper.ai/HGjn3
このデータセットは船舶検出専用で、YOLO 形式で表現された境界ボックス注釈付きの合計 26.9k の画像が含まれており、効率的かつ正確な船舶検出を実現できるため、幅広い潜在的なアプリケーションが可能になります。
推定サイズ:1.05ギガバイト
ダウンロードアドレス:https://go.hyper.ai/fEhfo
このデータセットは、Pexel ウェブサイト上のさまざまな画像コレクションから取得されており、ビデオ フレームの形式でキャプチャされた合計 20,925 枚の画像が含まれています。さまざまな環境でドローンや鳥をより適切に識別できるように、さまざまな環境条件をシミュレートするようにセグメント化、強化、前処理されています。データセットは YOLOv7 PyTorch 仕様に従ってフォーマットされており、Test、Train、Valid の 3 つのフォルダーに分かれています。
*テスト フォルダー: ドローンと鳥の画像が 889 枚含まれています。このフォルダーには、BT (鳥のテスト画像) と DT (ドローンのテスト画像) というラベルの付いたサブカテゴリがあります。
*列車フォルダ：このフォルダには、BTとDTのカテゴリに分かれたドローンや鳥の画像を含む18,323枚の画像が含まれています。
※有効フォルダ：1,740枚の画像が含まれており、フォルダ画像はBTとDTに分かれています。
6. iSAID航空画像インスタンスセグメンテーションデータセット
推定サイズ:6.74ギガバイト
ダウンロードアドレス:https://go.hyper.ai/xZzWt
iSAID は、インスタンス レベルのオブジェクト検出とピクセル レベルのセグメンテーション タスクを組み合わせた、航空写真におけるインスタンスのセグメンテーションの初のベンチマーク データセットです。 15 のカテゴリと 655,451 のオブジェクト インスタンスをカバーする 2,806 枚の高解像度画像が含まれています。データは、Google Earth、JL-1 衛星、GF-2 衛星（中国資源衛星データおよび応用センター提供）から取得されています。
7. DroneVehicle 大規模ドローン航空機検出データセット
推定サイズ:13.06ギガバイト
ダウンロードアドレス:https://go.hyper.ai/ZLJF0
このデータセットは、天津大学の研究チームによって2020年に公開されたもので、RGB画像と赤外線画像で構成される56,878枚の画像が含まれています。画像出典: ドローン航空写真における車両検出とカウントに関する研究。車、トラック、バス、バン、貨車の 5 つのカテゴリには、方向境界ボックスによる豊富な注釈が付けられています。
推定サイズ:32.3ギガバイト
ダウンロードアドレス:https://go.hyper.a/ERlyA
データはドローンで撮影され、地方の道路、都市の交差点、田舎の道路など、さまざまな交通シナリオを網羅した合計 15,070 フレームの画像が収録されています。作成プロセスには、データ収集、画像キャプチャ、車両のラベル付け、匿名化処理、データ検証などの複数のステップが含まれます。交通管理分野のマシンビジョンアルゴリズムに高品質のトレーニングデータを提供することを目的としています。
推定サイズ:35.16ギガバイト
ダウンロードアドレス:https://go.hyper.ai/zESj9
このデータセットは、斜め視点で 4K 高解像度画像をキャプチャした 30 本のビデオ シーケンスと、セマンティック ラベリング タスク用に 8 つのクラスで密に注釈が付けられた 300 枚の画像で構成される高解像度ドローン セマンティック セグメンテーション データセットです。大規模な変化、移動するターゲットの認識、時間的な一貫性の維持において優れた特徴を備えています。
推定サイズ:35.38GB
ダウンロードアドレス:https://go.hyper.ai/1JT9u
DOTA-v1.0 データセットは、2017 年 11 月 28 日に武漢大学によって arXiv に公開され、その後 2018 年 6 月に IEEE コンピューター ビジョンおよびパターン認識会議 (CVPR) でリリースされました。合計 2,806 枚の航空写真は、Google Earth、JL-1 衛星、China Resources Satellite データ、GF-2 衛星から収集されています。航空写真内のターゲット検出に使用して、写真内のオブジェクトを見つけて評価することができます。
推定サイズ:53.12ギガバイト
ダウンロードアドレス:https://go.hyper.ai/0EIjk
DOTA データセットは、さまざまなセンサーとプラットフォームの航空写真から取得され、航空写真内のターゲット検出に使用されます。このデータセットは、v1.5 バージョンと v2.0 バージョンに分かれています。インスタンスは、任意の四辺形 (自由度 8) を使用して航空写真解釈の専門家によってラベル付けされました。
*DOTA-v1.5: 合計 403,318 個のインスタンスを含み、非常に小さいインスタンス (10 ピクセル未満) の注釈を追加し、新しい「コンテナ クレーン」カテゴリを追加します。
*DOTA-v2.0: 共通カテゴリは 18 個、画像数は 11,268 個 (トレーニング、検証、テスト開発、テストチャレンジ セットに分かれています)、インスタンス数は 1,793,658 個です。
上記はHyperAIがまとめた航空写真データセットです。 hyper.ai 公式 Web サイトに掲載したいリソースがある場合は、ぜひメッセージを残すか、投稿を送信してお知らせください。