遥感数据集制作

How to make high resolution remote sensing image dataset？

github地址

0.引言

根据自身需要制作遥感影像数据还是很具有现实意义：  
第一，高分辨率遥感影像数据集目前整体上是缺乏的，主流的有UC-Merced dataset,WHU-RS dataset,RSSCN7 dataset以及2017年由武汉大学制作的目前最大包括10000张30类的高分影像的AID数据集。  
第二，主流数据集缺乏地区特点，比如针对合肥地区的地物做分类，我希望的我数据集尽可能接近我可能使用的测试数据集。人工制作数据集的工作量虽然比较大，但是结果会相对准确。
第三，扩充地物类型，AID数据集目前也只有30类，地物类别缺乏。

第四，设计高分遥感数据集，更有利于模型训练，遥感影像数据集必须要面临的一个很重要的问题就是标签样本数据缺乏的问题，相对来说，使用迁移学习的预训练模型效果会好一些，我使用过的Inception-v3做高分分类效果就很好。

1.制作流程

1.1 目标地区的遥感影像获取

使用LocalSpaceViewer来获取谷歌影像数据：  

下载类型选择谷歌影像，这个影像是多个数据源的叠加影像，更准确。

下载级别建议采用16，这样分块后的图片大小是256*256，是非常适合做场景数据集的。

截取区域的选取和要分类的数据源以及要分类的类别有关。

1.2 遥感影像的选取原则
1.Higher intra-class variations  
2.Smaller inter-class dissimilarity  
3.Relative large-scale dataset  

以上三个原则是我们选取分类场景影像最重要的指标，也就是类间的差距要小，类内的差距要大，另外就是相对比较大的标签数据量，这三个同时考虑了模型的泛化能力。

Buildings（类内差距要大）

                                              Greenbelt                           Water                             Farmland

类间差距要小，类间相似性要高

1.3  标签分类与图片编号

尽量多分类，我这次做的合肥地区的遥感影像数据集并没有做很大，只有5类地物，每类100张左右。

图片编号可使用FasStone Image View进行统一名称替换就可以。

至此就完成了数据集的制作，自制的高分影像数据集对于我们做特定地区的图像分类问题很有意义。

我制作的合肥地区的高分辨率遥感影像数据数据集在我的github上，欢迎关注！！！

欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to-HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N$Γ(n)=(n−1)!∀n∈N 是通过欧拉积分

$\Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.$Γ(z)=∫0∞​tz−1e−tdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎

How to make high resolution remote sensing image dataset？

github地址

0.引言

根据自身需要制作遥感影像数据还是很具有现实意义：  
第一，高分辨率遥感影像数据集目前整体上是缺乏的，主流的有UC-Merced dataset,WHU-RS dataset,RSSCN7 dataset以及2017年由武汉大学制作的目前最大包括10000张30类的高分影像的AID数据集。  
第二，主流数据集缺乏地区特点，比如针对合肥地区的地物做分类，我希望的我数据集尽可能接近我可能使用的测试数据集。人工制作数据集的工作量虽然比较大，但是结果会相对准确。
第三，扩充地物类型，AID数据集目前也只有30类，地物类别缺乏。

第四，设计高分遥感数据集，更有利于模型训练，遥感影像数据集必须要面临的一个很重要的问题就是标签样本数据缺乏的问题，相对来说，使用迁移学习的预训练模型效果会好一些，我使用过的Inception-v3做高分分类效果就很好。

1.制作流程

1.1 目标地区的遥感影像获取

使用LocalSpaceViewer来获取谷歌影像数据：  

下载类型选择谷歌影像，这个影像是多个数据源的叠加影像，更准确。

下载级别建议采用16，这样分块后的图片大小是256*256，是非常适合做场景数据集的。

截取区域的选取和要分类的数据源以及要分类的类别有关。

1.2 遥感影像的选取原则
1.Higher intra-class variations  
2.Smaller inter-class dissimilarity  
3.Relative large-scale dataset  

以上三个原则是我们选取分类场景影像最重要的指标，也就是类间的差距要小，类内的差距要大，另外就是相对比较大的标签数据量，这三个同时考虑了模型的泛化能力。

Buildings（类内差距要大）

                                              Greenbelt                           Water                             Farmland

类间差距要小，类间相似性要高

1.3  标签分类与图片编号

尽量多分类，我这次做的合肥地区的遥感影像数据集并没有做很大，只有5类地物，每类100张左右。

图片编号可使用FasStone Image View进行统一名称替换就可以。

至此就完成了数据集的制作，自制的高分影像数据集对于我们做特定地区的图像分类问题很有意义。

我制作的合肥地区的高分辨率遥感影像数据数据集在我的github上，欢迎关注！！！