遥感图像目标检测数据集去哪找：DOTA、DIOR、FAIR1M
先说明一个基本情况:这类数据在公开渠道并不稀缺,但很难在单一平台一次性获取完整版本。各数据集相当于不同机构发布的"标准测试集",学术领域公开的数量不少,但分布零散。
同一份数据,可能在高校官网、GitHub、百度飞桨、Hugging Face 等多个平台都有副本,各平台在数据格式、能否直接下载、商用是否合规等方面均不相同。常见的两类误区:一是误把缺失内容的副本当作完整版本;二是为图方便,将"仅限学术研究"的数据用于商业用途,留下合规隐患。
因此本文不仅说明在何处获取,也帮助你判断哪些可以实际拿到、哪些存在需要规避的限制。
去哪找:可靠的获取来源
以下来源均经过使用或验证,按常用程度排序。先说明两个后文反复出现的概念:
- 水平框(HBB):用水平矩形框标注目标。
- 斜框(OBB):标注框可随目标旋转,适用于斜向停放的飞机、船舶等目标,定位更准确。
1. DOTA —— 斜框遥感检测的代表性基准
由武汉大学 CAPTAIN 团队构建,在遥感目标检测领域应用广泛。
- 官方主页:https://captain-whu.github.io/DOTA/index.html
- 配套工具:https://github.com/CAPTAIN-WHU/DOTA_devkit (提供解析、切图等实用工具)
- 原始论文:https://arxiv.org/pdf/1711.10398 (类别数量、图像规模等信息以论文为准)
数据内容:最新的 v2.0 版本包含超过 170 万个标注目标,分为 18 类。图像来自 Google Earth、中国高分二号卫星等来源,分辨率较高。
标注格式:斜框(OBB)。
使用授权:该数据集明确说明仅限学术研究,不可商用。其中来自 Google Earth 的图像还需遵守相应平台的使用条款。若用于商业产品,不建议选用该数据集。
2. DIOR —— 更大规模的检测数据集
由西北工业大学发布,特点是图像数量多,且以水平框为主,更接近通用目标检测的常见形式。
- 官方页面:https://gcheng-nwpu.github.io/ (以官方页面为准,下载链接从此处获取)
- 论文(综述性质):https://arxiv.org/abs/1909.00133 (可用于了解该领域整体情况)
- 社区版本:https://huggingface.co/datasets/HichTala/dior (Hugging Face 上有用户转换的 COCO 格式版本,使用便捷,但并非官方原版,需加以区分)
- IEEE 版本:https://ieee-dataport.org/documents/dior (可能需要注册 IEEE 账号下载)
数据内容:2 万多张 800×800 图像,分为 20 类,图像同样来自 Google Earth。
标注格式:水平框(HBB)。另有斜框版本 DIOR-R。
注意事项:与 DOTA 相同,Google Earth 来源的图像存在商用风险。Hugging Face 上的版本使用方便,但建议下载后与官方原版核对,以免存在差异。
3. FAIR1M —— 细粒度分类的数据集
由中国科学院空天信息创新研究院构建,特点是分类粒度细,同一类目标可细分为多种型号。
- 官方评测入口:https://www.gaofen-challenge.com/benchmark (获取完整数据需通过该平台注册申请)
- 国内可试用渠道:https://aistudio.baidu.com/aistudio/datasetdetail/78453 (百度飞桨上有副本,可先行试用)
- 子集说明:https://huggingface.co/datasets/blanchon/FAIR1M (Hugging Face 上的此版本仅包含训练集的一部分,具体数量以该页面说明为准,请勿误作全集下载)
数据内容:超过 4 万张图像、100 万个斜框实例,分为 5 大类 37 个子类,分辨率较高,大部分来自中国高分系列卫星。
标注格式:斜框(OBB)。
重点提示:完整测试集不公开。如需使用其数据进行测试,需通过官网挑战赛平台提交结果。网络上所谓的"完整版",通常仅公开了其中一部分。
4. 其他轻量级数据集
- NWPU VHR-10:西北工业大学发布,共 800 张图像,10 类,水平框,适合入门或快速验证思路。GitHub 地址:https://github.com/Gaoshuaikun/NWPU-VHR-10
- xView、HRSC2016、RSOD:同样较为知名,本文不提供具体链接,以免链接失效造成误导。可按名称检索,前往各自官方页面获取。
5. 数据集汇总入口
- GitHub 目标检测数据集汇总:https://github.com/coderonion/awesome-object-detection-datasets (该项目汇总了大量目标检测数据集,内容较全,可作为综合查找入口)
可得性分档:哪些能直接获取,哪些需要申请
按实际可获取程度,将上述来源分为三档,便于参考:
- 可直接下载(多为学术用途):DOTA、DIOR、NWPU VHR-10,官方源基本支持下载。部分页面托管于 GitHub Pages 或 Google Drive,国内访问可能不稳定,视网络情况而定。
- 需注册或申请:FAIR1M 的完整数据,尤其是测试集,并非直接提供,需前往"高分挑战赛"平台注册。IEEE 上的 DIOR 也可能需要 IEEE 账号。
- 不完整或为副本:Hugging Face、飞桨、天池等平台上的版本,多为用户搬运、转换的副本。其完整性与格式是否准确,务必与官方信息核对清楚。
使用前需注意的版权事项
- "学术非商用"是明确限制。DOTA、DIOR 等数据集明确仅限研究使用,用于商业项目会带来合规风险。其中使用了 Google Earth 图像的部分,商用条款更为复杂。
- 确认标注格式。DOTA、FAIR1M 为斜框(OBB);DIOR、NWPU VHR-10 为水平框(HBB)。网络上有许多转换好的 YOLO 格式版本,使用便捷,但建议下载原版进行校验,避免因标注问题影响模型训练。
- 区分"部分"与"全集"。FAIR1M 尤其需要注意,下载前应核对文件大小与说明,避免因数据不完整影响最终结果。
- 保留数据来源记录。建议记录所用数据集的名称、版本与许可信息,便于后续追溯说明。
如果觉得来源分散,希望提升效率
这类数据获取过程中,主要困难往往不在于"是否存在",而在于来源分散、各平台规则不一。在此过程中容易出现副本不完整或误用侵权的情况。
如果你认为逐一核查过于零碎,希望减少试错成本,我们可以提供一次深度数据可得性检索服务:将同一数据集的官方源、国内镜像、常用转换版本一次性梳理清楚,并给出明确判断——哪个可直接下载、哪个需要申请、哪个测试集不公开、哪个不可商用。我们能做到哪一步、有哪些局限,都会如实说明。是否需要,由你决定。
说明:本文为公开资料整理,仅供参考;平台政策、价格、下载方式与链接随时可能变化,本文不保证持续更新,请以各官方页面最新信息为准。
参考来源
- https://captain-whu.github.io/DOTA/index.html
- https://github.com/CAPTAIN-WHU/DOTA/blob/master/dataset.html
- https://gcheng-nwpu.github.io/
- https://huggingface.co/datasets/HichTala/dior
- https://ieee-dataport.org/documents/dior
- https://www.gaofen-challenge.com/benchmark
- https://aistudio.baidu.com/aistudio/datasetdetail/78453
- https://huggingface.co/datasets/blanchon/FAIR1M
- https://github.com/Gaoshuaikun/NWPU-VHR-10
- https://github.com/coderonion/awesome-object-detection-datasets
- https://arxiv.org/pdf/1711.10398
- https://arxiv.org/abs/1909.00133