By 超神经
内容提要：DOTA 数据集是用于航拍图像中的目标检测的大型图像数据集。它可用于发现和评估航拍图像中的物体。无论从数量还是质量上来说，在同类型数据集中都具有很大优势。
关键词：航拍图像 遥感数据集
大规模遥感图像数据集，挑战 CV 难题
目标检测一直都是计算机视觉中的一个重要而富有挑战性的问题。尽管过去十年，我们已经见证了目标检测在自然场景的重大进步，但在航拍图像领域，进展却一直很缓慢。
相对于自然图像目标检测任务，例如 COCO、VOC 数据集，其中的目标几乎都是因为重力的原因，具有比较统一的方向。
但是在遥感图像目标检测中，目标是以任意方向出现，并不容易完成精确的目标检测，例如车辆、飞机、舰船等。
遥感图像数据一般具有目标比例差异、
样本不平衡、目标方向/比率差异等特征
对此，武汉大学于 2017 年 11 月 28 日，于 arXiv 上发布论文《DOTA: A Large-scale Dataset for Object Detection in Aerial Images》，提出了一个新的遥感数据集图像目标检测数据集 DOTA 数据集。之后，于 2018 年 6 月在 IEEE 计算机视觉 和模式识别会议（CVPR）上发布。
论文地址：https://arxiv.org/pdf/1711.10398.pdf
作为计算机视觉的重要数据之一，遥感图像对于分析地球信息具有重要的作用。
遥感图像一般来自卫星，航拍图像可能来自大型飞机、无人机、直升机等。这些数据通常被用来进行计算机视觉分类、检测、分割、跟踪任务的训练，以及该领域特定的建筑重建、地物提取、地物属性（高度等）预测等。
2806 幅航拍图，15 个类别详细标注
DOTA 数据集便是用于航拍图像中目标检测的图像数据集，其被用于发现和评估航拍图像中的物体。
这些图像来源包含不同传感器和平台，包括 Google Earth、JL–1 卫星拍摄，以及中国资源卫星数据和应用中心的 GF–2 卫星拍摄。
数据集共计 2806 幅航拍图，每张图像的像素尺寸在 800*800 到 4000*4000 的范围内，其中包含不同尺度、方向和形状的物体。之后这些 DOTA 图像经由专家使用 15 个常见目标类别进行注释，包括：飞机，轮船，储罐，棒球场，网球场，篮球场，地面跑道，港口，桥梁，大型车辆，小型车辆，直升机，环形交叉路口，足球场和篮球场。
完全注释的 DOTA 图像包含 188282 个实例，每个实例均由任意四边形进行标记。
数据集中用标注有定向的边界框标注实例
以下是该数据集的详细信息：
DOTA 数据集
发布机构： 武汉大学
包含数量：2806 张航拍图片
数据格式：txt.pnd
图片尺寸：800 * 800~4000*4000
数据大小：35 GB
类别数：15 类
发布时间：2017 年 11 月
下载地址：https://hyper.ai/datasets/4920
该数据已在超神经官方网站 https://hyper.ai 上线，目前该数据集位列近期热门下载资源排行前十名，搜索该数据集关键词，或点击原文，就可获取数据集。
—— 完 ——
扫描二维码，加入讨论群
获得更多优质数据集
了解人工智能落地应用
关注顶会&论文
回复「读者」了解详情
更多精彩内容（点击图片阅读）
