遥感建筑物提取数据集

最新推荐文章于 2025-03-27 12:19:43 发布
最新推荐文章于 2025-03-27 12:19:43 发布
阅读量2.9k 收藏 27
点赞数 2
文章标签： 遥感公共数据集
原文链接：https://blog.youkuaiyun.com/qq_27930679/article/details/110630961
版权

前言

建筑物是人类社会生产、生活的主要载体，建筑物轮廓信息是国家基础地理信息的重要组成部分。相比于人工遥感解译与矢量化，结合算法模型从遥感影像中自动提取建筑物轮廓大大减少了人力物力的消耗。这在城市扩张研究、数字城市建设等领域有着广泛的应用。

近年来，全卷积神经网络的不断发展为高精度自动化建筑物提取提供了新的方法。但是，由于建筑物在尺度，建筑风格，形态上有较大差异，目前高精度建筑物提取仍存在较大挑战。一方面，难兼顾较好的建筑物定位精度（依赖于高层语义特征）与建筑物边缘精度（依赖于浅层特征）。另一方面，基于神经网络的方法往往依赖于大尺度数据集进行训练。

因此，本博文总结了以下建筑数据集。

  1. 阿里天池建筑智能普查；
  2. Open AI 坦桑尼亚建筑物数据集
  3. AIRS 数据集
  4. WHU 建筑物数据集
  5. CrowdAI Mapping Challenge数据集
  6. DeepGlobe Challenge建筑物数据集
  7. USSOCOM 城市三维挑战数据集
  8. Inria数据集
  9. 航空影像目标识别数据集
  10. SpaceNet Challenge数据集
  11. Massachusetts 建筑物数据集
  12. ISPRS Potsdam 2D Semantic Labeling Contest (ISPRS)

Reference

https://mp.weixin.qq.com/s/UHlMX63t8TwKv3_1wOt5aw
https://github.com/chrieke/awesome-satellite-imagery-datasets

chen645096127
关注
智能解译城市进程：遥感影像建筑物提取研究全景与前沿进展（数据集及代码）
hanfeng5268的博客
04-06 152
随着全球城市化进程的加速，高效、精准地监测城市建筑物分布对城市规划、灾害评估、人口估算及智慧城市建设具有重要意义。传统的人工测绘方法耗时费力，难以满足大范围、动态更新的需求。而遥感影像建筑物提取技术，借助深度学习与计算机视觉，能够自动化识别并提取建筑物轮廓，极大地提升了城市信息获取的效率和精度。首先，建筑物提取是遥感影像解译的核心任务之一。
SpaceNet 数据集
weixin_30872157的博客
12-29 1663
SpaceNet 数据集 SpaceNet是DigitalGlobe商业卫星公司提供的遥感图像集合,包含一些标记信息可用作机器学习研究. SpaceNet Challenge主页: https://spacenetchallenge.github.io/ 数据集下载命令: https://github.com/SpaceNetChallenge/utilities/tree/master/cont...
【SpaceNet on AWS】遥感数据集下载教程
热门推荐
KEEP MOVING.
08-03 1万+
数据集简介：http://chgcx.sirt.edu.cn/a/2016/08/30/2016083020191315442.html 数据集说明：https://amazonaws-china.com/cn/public-datasets/spacenet/ 数据集下载命令：https://spacenetchallenge.github.io/ 一、注册AWS账号 参考网址：http:
遥感图像的建筑物分类数据集.zip
10-08
遥感图像的建筑物分类数据集
[数据集]遥感图像建筑/道路数据集
nanbei2463776506的博客
02-14 1万+
在看论文时发现了这个数据集，记录在这里，希望可以帮助到广大的胖友们 传送门 : https://www.cs.toronto.edu/~vmnih/data/ 爬取了一部分建筑数据集，已上传到代码区域。如果运用了这个数据集，一定要标明出处。 划重点，一定要标明哦 “If you use any of these datasets for research purposes you sh...
【数据集】遥感影像建筑物提取论文常用数据集
weixin_44037500的博客
08-29 2784
几个常用于遥感影像建筑物对比试验的数据集。
深度学习调参经验分享（遥感建筑提取）
qq_44865208的博客
12-22 1935
1.1初识 明确遥感解译任务目标，观察遥感影像和标注的基本形态和分布，地物特征 （1）看数据标注是否存在噪声？（因为比赛时他的影像和标注时间不一定一致，导致标注本身不一定完全正确） 1对于标记噪声是否进行人工清洗（不推荐，比赛中A榜存在问题，我么清洗了在A榜精度提升了，但是B榜也可能存在问题，那时候我们没有办法在改了）；2考虑label smoothing降低对于标签的信心 （2）数据之间是否存在同物易谱（类内间差异大）或异物同谱（易混淆）现象？ 1是否需要设计一些全局性的特征；2考虑是否要使用一些强大的特
遥感影像建筑物分割数据集
03-19
遥感影像建筑物分割数据集是计算机视觉领域的一个关键资源，主要应用于遥感图像分析和处理。这个数据集包含了1000张遥感影像图片，每张图片都对应着一个精确的手工标注，总共提供了1000个标签。这样的数据集对于训练...
中国典型城市建筑物实例数据集.rar
01-12
为了丰富中国地区建筑物提取数据集，中国地质大学（武汉）方芳团队以高分辨率遥感影像为数据源，采用人工标注与交互式标注相结合的方式构建形成中国典型城市建筑物实例数据集。 数据说明 本数据集包含7260个影像...
Massachusetts建筑物道路数据集
05-28
马萨诸塞州建筑物数据集由波士顿地区的151张航拍图像组成，每幅图像的1500×1500像素，分辨率为1m，面积...广泛用于深度学习语义分割与建筑物和道路的提取，是遥感与深度学习领域科研与实验必备的对比实验数据集之一。
面向对象的高分辨率遥感影像城区建筑物分级提取方法
09-22
利用初提取的建筑物对象和已剔除的非建筑物对象作为样本建立概率模型,根据贝叶斯准则进行建筑物后提取
基于FlowS-Unet的遥感图像建筑物变化检测
02-11
基于FlowS-Unet的遥感图像建筑物变化检测
遥感图像数据集
04-11
遥感图像数据集为tif格式，用于图像融合、图像分割等领域，十分实用
isprs-potsdam-viz:Viewer for Azavea在ISPRS波茨坦图像分割竞赛中的作品
05-01
ISPRS波茨坦数据查看器 这是一个用于查看ISPRS Potsdamn数据集和Azavea的Raster Vision项目结果的应用程序。 要求 无业游民1.8+ VirtualBox的4.3+ Ansible 2.2+ 入门 快速设置 确保aws-cli概要文件中具有geotrellis概要文件，并带有可以访问S3上的数据的密钥。 克隆项目，将cd克隆到目录中，然后运行./scripts/setup.sh创建Vagrant VM，然后构建Docker容器。 setup.sh也可以用于将项目还原到其初始状态：它将重新供应VM，然后删除并重建Docker容器。 注意：这将在重建虚拟机之前将其破坏。 仅运行UI服务器 ./scripts/setup.sh vagrant up vagrant ssh ./scripts/server.sh 下载测试数据 make load-loca
基于 Pytorch 框架搭建 U － Net 网络模型的遥感影像建筑物提取研究
05-22
实验结果表明，在充足的训练数据集支持下，使用深度学习方法对台前县建筑物提取的总体精度达到了94.3%，Kappa系数为0.83；对罗山县的总体精度更是高达97.5%，Kappa系数为0.75。这些指标均高于传统方法，证明了基于...
遥感卫星影像建筑物提取方案
最新发布
EasyFeature的博客
03-27 700
传统的遥感影像处理方式依赖人工判读，耗时耗力且效率低下。EasyFeature作为一款高效的工具，在提升工作效率的同时，也为行业带来了更多的可能性。未来，随着技术的不断进步，我们有理由相信这一领域将取得更大的突破。在传统遥感影像处理中，工作人员需要逐帧分析影像，手动标注目标地物（如建筑、道路、植被等）。通过结合计算机视觉算法与地理信息专家的经验，这类工具能够快速提取影像中的目标特征，并生成高质量的矢量数据。它的核心优势在于实现了“半自动化的智能交互式提取”，将人工干预与机器学习相结合，大幅提升了工作效率。
pytorch实现遥感建筑物提取
weixin_44095417的博客
11-27 2095
包含了从新西兰基督城的航空图像中提取的超过220,000个独立建筑，图像被分割成了8189个512×512像素的片，其中包含了训练集（130,500个建筑），验证集（14,500个建筑）和测试集（42,000个建筑）。基于深度学习的遥感建筑物智能提取，首先需要制作数据集，然后构建深度学习神经网络，接着让深度学习神经网络从制作的数据集中学习建筑物的特征，最终实现建筑物的智能提取。我们对IOU、F1、OA、Precision、Recall等做了测试，测试精度如下。本期的分享就到这里，感兴趣的点点关注。
经典遥感影像建筑物提取模型Building Extraction Based on U-Net with an Attention Block and Multiple Losses（AMUNet）
weixin_45798280的博客
12-18 3234
Building Extraction Based on U-Net with an Attention Block and Multiple Losses在2020年发表于remote sensing期刊。 论文网址：https://www.researchgate.net/publication/341018039_Building_Extraction_Based_on_U-Net_with_an_Attention_Block_and_Multiple_Losses 简介： ...
语义分割建筑物数据集
03-15
### 建筑物语义分割数据集 在计算机视觉领域，建筑物提取和语义分割是一项重要任务。为了支持这一研究方向，多个公开可用的数据集被广泛应用于训练和验证模型性能。以下是几个常用的与建筑物相关的语义分割数据集： #### 1. **OpenEarthMap-SAR** 此数据集专注于合成孔径雷达 (SAR) 图像的土地覆盖分类任务[^2]。它提供了高分辨率 SAR 图像以及对应的标注信息，适用于多种场景下的建筑检测和语义分割。 #### 2. **Massachusetts Buildings Dataset** 该数据集由 MIT 提供，包含大量航空影像及其对应的手动标注掩码图像。这些图像主要来自美国马萨诸塞州的不同区域，适合用于评估建筑物提取算法的准确性[^1]。 #### 3. **Inria Aerial Image Labeling Dataset** 这是一个大规模的城市地区遥感图像数据集，涵盖了法国和其他国家的一些城市区域。每张图片都有详细的像素级标签，特别适合作为训练深度学习网络的基础资源之一。 #### 4. **SpaceNet Off-Nadir Building Footprint Challenge** 作为 SpaceNet 系列挑战的一部分，这个特定版本的数据集中包含了倾斜角度拍摄的卫星照片连同精确描绘出各栋楼房轮廓线的地真值文件。这种类型的资料对于测试如何处理非正交视角下结构形态变化非常有价值。 #### 示例代码加载 Massachusetts Buildings 数据集 如果计划使用 TensorFlow 或 PyTorch 进行实验，则可以编写如下脚本来读取并预览上述提到的一个典型样本： ```python import matplotlib.pyplot as plt from PIL import Image import numpy as np def load_sample(image_path, mask_path): img = np.array(Image.open(image_path)) msk = np.array(Image.open(mask_path)) fig, ax = plt.subplots(1, 2, figsize=(8, 4)) ax[0].imshow(img) ax[0].set_title('Original Image') ax[1].imshow(msk, cmap='gray') ax[1].set_title('Mask Annotation') plt.show() # Example paths to replace with actual file locations on your system image_file = 'path/to/image.tif' mask_file = 'path/to/mask.png' load_sample(image_file, mask_file) ```
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值