精选航拍数据集，助力研究！涵盖车辆、船舶检测，城市景观等。一键下载，提升模型精度。
原文标题：航拍数据集汇总，覆盖车辆/船舶检测/物体评估/城市景观……
原文作者：数据派THU
冷月清谈：
怜星夜思：
2、针对无人机航拍图像的特点，在算法设计上有什么需要特别考虑的？
3、文中的多个数据集都提到了YOLO格式，YOLO这种目标检测算法有什么优势，为什么在航拍图像分析中应用广泛？
原文内容
来源：HyperAI超神经本文约2200字，建议阅读5分钟
本文为大家整理了一系列热度较高且实用的航拍数据集。
本文为大家整理了目前热度较高的航拍数据集，覆盖车辆检测、船舶检测、物体评估、城市景观等多个领域。一键即可下载，快来体验吧~
随着无人机的普及化和计算机视觉技术的迅猛发展，无人机航拍作为一种创新的摄影方式，正以前所未有的速度走进大众视野。它打破了传统拍摄的局限，为我们开启了「上帝视角」。航拍硬件性能逐渐逼近物理极限，算法优化的难度也日益增大，数据质量的优劣直接决定了相关模型能否从简单的数据采集，迈向精准的物体评估与场景分类。
航拍数据集的构建，绝不是简单的影像堆砌。与传统的数据采集方式相比，航拍可以在短时间内获取大规模的信息数据，大大提高了数据采集的效率。此外，为确保数据的有效性与安全性，需对采集区域、时间进行合理规划，严格划分训练集、验证集与测试集，并建立动态更新机制，定期补充新数据，以适应不断变化的地理、物理环境。面对城市规划、目标检测、物体评估等复杂任务，构建数据集时更要深入分析各领域需求，融入多维度信息，模拟真实应用场景，为模型训练提供贴近实际的学习素材。
总而言之，当今整个社会对于高质量航拍数据集的关注度都在持续攀升。接下来，本文为大家整理了一系列热度较高且实用的航拍数据集，分别来自天津大学、武汉大学等高校，涉及车辆检测、船舶检测、物体评估等多个领域。对于致力在航拍领域深耕的从业者与研究者而言，这些数据集无疑是绝强的助力。
点击查看更多开源数据集：
https://go.hyper.ai/CdPJZ
航拍数据集汇总
1、FLAME 火灾航空图像数据集
FLAME 是一个基于航拍图像的森林火情检测数据集，旨在促进森林火灾的监控报警。数据来自无人机在亚利桑那州松树林的规定燃烧堆积杂物期间收集的火灾图像，包括红外相机拍摄的视频记录和热图。
2、SkyCity Aerial City Landscape
城市景观航拍数据集
预估大小：117.1 MB
下载地址：https://go.hyper.ai/3SVIW
该数据集用于空中景观分类，图像共 8k 张，包含 10 个不同类别（桥、商业场所、工业场所、路口、地标、公园、停车场、操场、住宅、体育场），每个类别包含 800 张高质量图像。数据来源包括公开的 AID 和 NWPU-Resisc45 数据集，旨在促进城市景观分析。
3、Aerial Landscape Images
航拍景观数据集
预估大小：154.31 MB
下载地址：https://go.hyper.ai/552Ae
该数据集用于空中景观分类，图像共 12k 张，包含 15 个不同类别（农业、飞机场、海滩、城市、沙漠、森林、草原、公路、湖、山、停车场、港口、铁路、住宅、河），每个类别包含 800 张高质量图像，分辨率为 256×256 像素。旨在促进计算机视觉领域的研究和开发，特别是在空中景观分析方面。
4、Ships/Vessels in Aerial Images
船只航拍数据集
预估大小：353.02 MB
下载地址：https://go.hyper.ai/oBqbP
该数据集专门用于船舶检测，共包含 26.9k 张图像，边界框标注以 YOLO 格式呈现，可实现高效、准确的船舶检测，从而实现广泛的潜在应用。
5、Bird vs Drone
鸟类与无人机图像分类数据集
预估大小：1.05 GB
下载地址：https://go.hyper.ai/TdOle
该数据集来自 Pexel 网站的多种图像集合，共包含 20,925 张图像，以视频帧方式捕获，经过分割、增强和预处理以模拟不同的环境条件，更好地识别各种环境中的无人机和鸟类。数据集按照 YOLOv7 PyTorch 规范进行格式化，分为 3 个文件夹：Test 、Train 和 Valid 。
*测试文件夹 (Test) ：包含 889 张无人机和鸟类图像。该文件夹有标记为 BT（鸟类测试图像）和 DT（无人机测试图像）的子类别。
*火车文件夹 (Train) ：该文件夹共有 18,323 张图像，包括无人机和鸟类图像，分为 BT 和 DT 类。
*有效文件夹 (Valid) ：包含 1,740 幅图像，文件夹图像分为 BT 和 DT 。
6、iSAID 航空图像实例分割数据集
预估大小：6.74 GB
下载地址：https://go.hyper.ai/Hr7Ry
iSAID 是第一个用于航空图像中实例分割的基准数据集，结合了实例级物体检测和像素级分割任务。共包含 2,806 张高分辨率图像，涉及 15 个类别， 655,451 个对象实例。数据源自 Google Earth 、 JL-1 卫星及 GF-2 卫星（中国资源卫星数据和应用中心的）拍摄。
7、DroneVehicle
大规模无人机航拍车辆检测数据集
预估大小：13.06 GB
下载地址：https://go.hyper.ai/D6eqZ
该数据集由天津大学研究团队于 2020 年发布，共 56,878 幅图像，全部由 RGB 图像和红外图像组成。图像来源于无人机航拍图像的车辆检测和计数研究。分别对 car、turck、bus、van、freight car 五个类别进行了带有方向性边界框的丰富标注。
8、西班牙交通航拍图像数据集
预估大小：32.3 GB
下载地址：https://go.hyper.ai/L6sb7
该数据由无人机拍摄，共 15,070 帧图像，涵盖区域道路、城市交叉口、乡村道路等多种交通场景，其创建过程包括数据采集、图像拍摄、车辆标注、匿名化处理以及数据验证等多个步骤。旨在为交通管理领域的机器视觉算法提供高质量的训练数据。
9、UAVid 航拍数据集
预估大小：35.16 GB
下载地址：https://go.hyper.ai/m1L3X
该数据集是一个高分辨率无人机语义分割数据集，由 30 个视频序列组成，以倾斜的视角捕获 4K 高分辨率图像，用 8 个类密集标注了 300 张图像，用于语义标签任务 (semantic labeling task)。在大规模变异 (variation) 、运动目标识别及时间融合保持 (temporal consistency preservation) 等方面具有显著特点。
10、DOTA 航拍图像数据集
预估大小：35.38 GB
下载地址：https://go.hyper.ai/SGWZV
DOTA-v1.0 数据集由武汉大学于 2017 年 11 月 28 日发布在 arXiv 上，后于 2018 年 6 月在 IEEE 计算机视觉和模式识别会议 (CVPR) 上发布。共 2,806 张航拍图，分别来源于 Google Earth、 JL – 1 卫星、中国资源卫星数据、 GF – 2 卫星。可用于航拍图像中的目标检测，发现和评估图像中的物体。
11、DOTA 航拍图像数据集 v1.5+v2.0
预估大小：53.12 GB
下载地址：https://go.hyper.ai/FlVFA
DOTA 数据集来自不同的传感器和平台的航拍图，用于航拍图像中的目标检测，本数据集分为 v1.5 及 v2.0 版本。实例由航拍图判读专家通过任意四边形（8 自由度）进行标记。
*DOTA-v1.5 ：共包含 403,318 个实例，并为极小的实例（小于 10 像素）添加了注释，新增了 「container crane」 类别。
*DOTA-v2.0 ：共有 18 个常用类别，11,268 个图像（分为训练、验证、测试开发和测试挑战集）和 1,793,658 个实例。
编辑：于腾凯
校对：杨学俊
