Advertisement

NWPU-RESISC45.7z 数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
NWPU-RESISC45数据集包含来自世界各地不同场景的超过3万张高分辨率卫星图像，涵盖45类地表覆盖类型，为遥感影像的地物识别研究提供了丰富的训练和测试资源。 NWPU-RESISC45数据集包含来自Google Earth的45种土地利用类型的遥感影像，由西北工业大学于2016年发布。该数据集中包括以下类别：airplane, airport, baseball diamond, basketball court, beach, bridge, chaparral, church, circular farmland, cloud, commercial area, dense residential, desert, forest, freeway, golf course, ground track field, harbor, industrial area, intersection, island, lake, meadow, medium residential, mobile home park,mountain , overpass,palace,parking lot,railway,railway station ,rectangular farmland ,river ,roundabout 和 runway。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • NWPU-RESISC45.7z 数据集
    优质
    NWPU-RESISC45数据集包含来自世界各地不同场景的超过3万张高分辨率卫星图像，涵盖45类地表覆盖类型，为遥感影像的地物识别研究提供了丰富的训练和测试资源。 NWPU-RESISC45数据集包含来自Google Earth的45种土地利用类型的遥感影像，由西北工业大学于2016年发布。该数据集中包括以下类别：airplane, airport, baseball diamond, basketball court, beach, bridge, chaparral, church, circular farmland, cloud, commercial area, dense residential, desert, forest, freeway, golf course, ground track field, harbor, industrial area, intersection, island, lake, meadow, medium residential, mobile home park,mountain , overpass,palace,parking lot,railway,railway station ,rectangular farmland ,river ,roundabout 和 runway。
     
  • NWPU VHR-10 数据集.zip
    优质
    简介：该文件为西北工业大学VHR-10数据集压缩包，包含高分辨率遥感影像及其标注信息，适用于目标检测和识别的研究与应用。 NWPU VHR-10数据集解压后包含三个文件夹：positive image set 文件夹中有650张正样本图像，negative image set 文件夹中有150张负样本图像，ground truth 文件夹中则有对应于这650张正样本的标签。
     
  • NWPU VHR-10的数据集 Pascal VOC 格式
    优质
    简介：NWPU VHR-10数据集是以Pascal VOC格式构建的一个高分辨率非常规目标检测数据集，包含多种复杂背景下的航空图像及标注信息。 NWPU VHR-10的数据集采用Pascal VOC格式。
     
  • NWPU VHR-10 (以YOLO格式划分的数据集)
    优质
    NWPU VHR-10 数据集采用YOLO数据格式设计，包含高分辨率航空图像中目标检测任务所需的各种类别信息，适用于训练和评估高性能深度学习模型。 NWPU VHR-10数据集包含800张高分辨率卫星图像，这些图像是从Google Earth和Vaihingen数据集中裁剪而来，并由专家手动注释。该数据集分为10类：飞机、轮船、储罐、棒球场、网球场、篮球场、地面跑道、港口、桥梁和车辆。
     
  • 已转换为PASCAL VOC 2007格式的NWPU VHR-10数据集
    优质
    该数据集是经过处理后符合PASCAL VOC 2007标准的NWPU VHR-10数据集，包含多种复杂背景下的目标图像，适用于目标检测任务。 5个积分就行了。
     
  • NWPU-RESISC45 遥感图像场景分类数据集（完整版下载）
    优质
    该数据集包含来自45个不同场景类别的遥感图像，旨在促进复杂和多样化的地表覆盖识别研究。提供完整下载以支持学术与工业界的应用探索。 该数据集包含31500张遥感图像，每个类别有700张图片。每一张图像是256×256像素大小，具有丰富的细节信息。 具体类别的名称包括：飞机、机场、棒球场、篮球场、海滩、桥梁、灌木丛地（chaparral）、教堂、圆形农田区域、云层（cloud）、商业区、密集住宅区、沙漠地带、森林地区、高速公路（freeway）、高尔夫球场（golf course）、地面跑道场地（ground track field）、港口码头（harbor）、工业区、交叉路口（intersection）、岛屿景观、湖泊水域、草地（meadow）、中密度居民区和移动房屋公园等。
     
  • NWPU-Crowd Mats人体检测与目标检测及人群密度估计数据集
    优质
    简介：NWPU-Crowd Mats是由西北工业大学开发的数据集，专注于人体检测、目标识别以及复杂场景下的人群密度估算，为学术研究提供高质量标注图像。 人体检测、目标检测以及人群密度估计的数据集。
     
  • 利用YOLOV8进行小目标检测并在NWPU VHR-10及DOTA数据集上验证.zip
    优质
    本项目采用YOLOv8算法对小目标进行高效检测，并在NWPU VHR-10和DOTA数据集上进行了性能验证，展示了优越的精度与速度。 基于YOLOV8实现小目标检测，并在NWPU VHR-10和DOTA数据集上进行测试。
     
  • ECG数据集-数据集
    优质
    本ECG数据集包含了多种心电图记录，旨在支持心脏疾病的研究与诊断模型开发，适用于医疗AI领域。 a01.csv a01er.csv a02.csv a01r.csv a03.csv a03er.csv a02er.csv a02r.csv a03r.csv a04er.csv a04r.csv a05.csv a04.csv a06.csv a07.csv a08.csv a09.csv a10.csv a11.csv a12.csv a13.csv a14.csv a15.csv a16.csv a18.csv a19.csv a20.csv b01.csv a17.csv b01er.csv b03.csv b02.csv b04.csv b01r.csv b05.csv c01.csv c02.csv c01r.csv c01er.csv c03.csv c02er.csv c03er.csv c04.csv c06.csv c05.csv c07.csv c03r.csv c08.csv c09.csv x01.csv c10.csv x03.csv x02.csv x04.csv x05.csv x07.csv x06.csv x08.csv x10.csv x09.csv x11.csv x12.csv x13.csv x14.csv x15.csv x16.csv x17.csv x18.csv x19.csv x20.csv x21.csv x22.csv x23.csv x24.csv x25.csv x26.csv x27.csv x28.csv x30.csv x31.csv x33.csv x32.csv x34.csv x29.csv x35.csv
     
  • USAir数据集-数据集
    优质
    USAir数据集包含了美国各城市间航班连接的信息，适用于网络分析、聚类及其他图论研究。 ### USAir数据集 #### 描述： 航空网络是指包含航空公司航线信息的数据集合，通常用于交通网络研究、路径优化或预测分析等领域。USAir数据集是学术界常用的案例之一，它包含了美国联合航空公司（USAir）在1987年的航班连接信息，有助于理解航空运输系统的结构和特性。 #### 详细知识点： 1. **数据集概述**： USAir数据集源自R. E. Beasley于1990年发表的一篇论文。该数据集中包含美国主要城市间的91个机场以及它们之间的118条非直达航线，每个节点代表一个机场，每条边则表示两个机场间存在航班服务。 2. **网络结构**： USAir数据集是一个典型的加权图，其中的边代表着航班连接，并且权重反映了两机场之间航班频次。通过此数据集可以分析航空网络的拓扑特性如节点度分布、聚类系数和平均路径长度等指标。 3. **交通流分析**： 数据集可用于研究乘客流量模式，识别最繁忙的航线，从而帮助航空公司优化路线布局以提升运营效率和服务质量。 4. **路径规划**： 基于USAir数据集可以设计算法来寻找最优路径方案（如最短路径、最小成本或时间延迟最低的路径），这些解决方案对于乘客行程规划和航空公司的调度具有实际应用价值。 5. **复杂网络理论的应用**： USAir数据集常被用于研究小世界网络和无标度网络特性，这有助于理解现实世界的网络组织模式，并为其他领域的研究提供参考框架。 6. **机器学习模型训练与测试**： 使用USAir数据集可以开发并验证预测航班延误、乘客流量等的机器学习模型。这些应用对于航空公司进行风险管理及决策支持至关重要。 7. **图论问题的应用**： 数据集中包含的问题可转化为旅行商问题（TSP）、最小生成树（MST）等问题，这些问题在物流配送和路线规划等领域具有广泛应用价值。 8. **数据可视化**： 通过绘制USAir网络图表可以直观展示机场之间的连接关系及其地理分布情况，有助于理解整个航空运输系统的密集程度与结构特征。 9. **数据预处理步骤**： 在进行深入分析前需要对原始数据集执行清洗工作（如去除异常值、填充缺失信息等），并将非数值型字段转换为适合计算的形式。 10. **编程语言和工具的应用**： 分析USAir数据集时常用的编程语言包括Python与R，借助pandas、networkx及ggplot2等库可以方便地读取、处理并可视化相关数据。 综上所述，USAir数据集不仅是对研究者而言的宝贵资源，同时也为航空公司策略制定和运营管理提供了重要参考价值。通过对该数据集的研究能够揭示出航空网络内部规律，并提出切实可行的问题解决方案。