**作者:*Gui-Song Xia1†, Xiang Bai2†*, Jian Ding1, Zhen Zhu2,Serge Belongie3, Jiebo Luo4, Mihai Datcu5, Marcello Pelillo6, Liangpei Zhang1
一、研究背景
遥感图像目标检测与传统图像目标检测的不同
- 物体的变化规模大,不仅是因为图像的分辨率,还由于同一对象类别内的大小变化。
- 遥感图像的小图像非常的密集,而且遥感图像中物体的密度是不平衡的,例如有的小图像(1k×1k)包含1900个instance,而大图像(4k×4k)才包含4-5个instance
- 遥感图像中的物体都是以任意角度出现的
- 并且跨数据集的泛化程度通常很低
已有的遥感图像数据集(UCAS-AOD,NWPU VHR-10)通常都是在理想状态下的,例如有干净的背景,没有密集分布的instance
二、贡献
- 已知的最大的遥感图像数据集(有标注的)
- 在DOTA上对最先进的目标检测算法进行了基准测试,这可以作为未来算法开发的基线
三、DOTA数据集
DOTA(Object Detection in Aerial images)
- 包含2806张遥感图像
- 每张图像大小为4000×4000
- 包含各种尺度、方向和形状
- 15个类别
- 共有188,282个实例
http://captain.whu.edu.cn/DOTAwebhttps://captain-whu.github.io/DOTA
3.1 好的遥感图像数据集应该具备的属性
- 大量的图像
- 每一个类别都有大量的instance
- 尽可能多的任意角度的标注