当前位置：首页 > news >正文

遥感目标检测数据集汇总，覆盖城市问题/工业安全/农业健康/室内场景……

news 2025/9/30 12:23:27

随着人工智能与遥感技术的深度融合，遥感目标检测正在成为计算机视觉领域最具活力的研究方向之一。 尤其在卫星影像与无人机航拍的推动下，目标检测技术不仅能识别自然场景中的人物、车辆、建筑，更能够在复杂的地理环境中实现对滑坡、农作物的精细化检测。可以说，目标检测为我们提供了洞察世界的「机器之眼」，让人类第一次能够以近乎实时的方式，对地球进行全局而细致的观测。

硬件方面，无人机与遥感卫星的传感器分辨率正在逼近物理极限，但如何在庞大而复杂的数据中提取有价值的目标信息，却越来越依赖高效的算法优化。不同于普通的自然图像，遥感影像往往具有分辨率差异大、目标尺度变化剧烈、背景复杂等特征，这使得数据质量的优劣直接决定了目标检测模型能否从「识别有无」，迈向「精准定位与多类别分类」。

数据集的构建，是推动目标检测走向实用化的核心一环。相比于自然场景数据，遥感与目标检测数据集具有覆盖范围广、时空动态性强的特点，可以在短时间内获得大规模、高分辨率的地理信息。 而科学的数据采集流程必须对区域范围、时间窗口进行合理规划，同时在训练集、验证集与测试集的划分上严格把关，确保模型具备足够的泛化能力。

总的来说，当下社会对高质量目标检测与遥感数据集的关注度正在不断攀升。为此，HyperAI超神经整理了一批当前学界与工业界热度较高的数据集，涵盖医学影像、城市问题、室内场景、农业病害、工业安全等多个领域。 这些数据集不仅是研究者和工程师的重要工具，更是推动技术走向落地应用的强力引擎。

点击查看更多开源数据集：

https://go.hyper.ai/CdPJZ

遥感目标检测数据集汇总

1. InteriorGS 3D 室内场景数据集

预估大小： 19.84 GB

下载地址：https://go.hyper.ai/eyG9q

InteriorGS 是一个 3D 室内场景数据集，旨在克服现有室内场景数据集在几何完整性、语义标注和空间交互能力方面的局限性。

该数据集提供高质量的 3D 高斯散射（3DGS）表示，以及实例级语义边界框和指示代理可访问区域的占用图。数据包含 1,000 个高质量室内场景及其对应的平面图，涵盖住宅、便利店、婚宴厅、博物馆等 80 余种环境类型。此外，还包括超过 554,000 个物体实例，覆盖 755 个物体类别。

2. Landslide4Sense 滑坡遥感基准

预估大小： 2.84 GB

下载地址：https://go.hyper.ai/mIdeN

Landslide4Sense 是由 IARAI 于 2022 年发布的一个面向滑坡检测的多源卫星遥感基准数据集，并作为 Landslide4Sense 竞赛的官方数据集。

该数据集覆盖 2015–2021 年多地区滑坡场景，统一为约 10 m/像素的 128×128 影像块，每个样本含 14 个波段。数据按训练集、验证集和测试集划分，样本数量分别为 3,799 条、 245 条和 800 条。数据提供像素级二值掩膜（滑坡=1 、非滑坡=0），其中仅训练集公开标签，验证集与测试集用于排行榜评测。

3. VisDrone 无人机检测数据集

预估大小： 2.1 GB

下载地址：https://go.hyper.ai/Odzam

VisDrone 是由天津大学 AISKYEYE 团队发布一个大规模无人机视觉目标检测与跟踪基准数据集，旨在帮助开发和评估目标检测、物体跟踪和图像分割等计算机视觉任务。

该数据集包含使用无人机在中国各个城市的城市和郊区环境中采集的高分辨率图像和视频，涵盖 6 个类别（如人、车辆、建筑物、动物等）。数据在不同的光照条件、角度和运动模式下拍摄，并提供详细的 YOLO 格式的图像数据和标签。

4. Crops Disease 农作物病害数据集

预估大小： 1.99 GB

下载地址：https://go.hyper.ai/exltg

Crops Disease 是一个农业作物病害图像数据集，旨在帮助开发计算机视觉模型来自动检测和分类不同作物的病害。

该数据集包含约 1,300 张农作物病害图像，涵盖了多种农作物（如玉米、番茄、土豆等）的常见病害，每张图像被标注为特定的病害类别。

5. Safety Vests Detection

安全背心检测数据集

预估大小： 408.58 MB

下载地址：https://go.hyper.ai/ahI1u

Safety Vests Detection 是一个安全背心检测数据集，旨在对新的对象检测架构进行基准测试（YOLOv8 、 Faster-RCNN 、 SSD 等）、相关 PPE 检测任务（头盔、手套、护目镜）的迁移学习和边缘部署安全监视器的原型开发，帮助开发和训练模型，自动识别和检测穿戴安全背心的人员，提高工作场所的安全性。

该数据集包括 3,897 张高清照片（展示穿着和不穿着安全背心的工人）、边界框注释（Safety Vest 和 No Safety Vest）、以及图像环境（室内工作场所、室外施工区域、不同的光照条件、遮挡和多个视点）。

6. HBFMID 人体骨折图像数据集

下载地址：https://go.hyper.ai/p7As2

该数据集是美国国际大学孟加拉分校于 2024 年发布的一个医学影像数据集，旨在为骨折检测与分类任务提供支持。

包含 X 光片和 MRI 图像，覆盖手肘、手指、前臂、肱骨、肩膀、大腿骨、胫骨、膝盖、髋骨、手腕、脊柱以及部分健康骨骼。数据集最初收集了 641 张原始图像，并划分为训练集 449 张、验证集 128 张和测试集 64 张。所有图像经过自动方向校正、尺寸调整（640×640）和对比度增强处理。基于训练集进一步采用翻转、旋转、缩放、剪切、亮度和饱和度变化等增强方法，生成约 1,347 张扩增样本。最终该数据集共计 1,539 张图像。

7. Urban Issues 城市问题图像数据集

下载地址：https://go.hyper.ai/VqriU

Urban Issues 是一个公共图像分类数据集，旨在帮助自动化与机器视觉系统识别城市环境中的公共基础设施问题与环境问题。数据类别包括受损道路问题、坑洞问题、非法停车问题等 10 大类型。

该数据集中的图像按类别存储，并采用 YOLO 格式进行标注与组织，适用于训练与评估图像分类模型与目标检测模型，尤其在智能城市基础设施监控、公共环境维护、路面状况检测和城市治理应用中具有价值。

8. New Plant Diseases 植物病害图像数据集

下载地址：https://go.hyper.ai/C0DhD

New Plant Diseases 是于 2018 年发布的一个面向植物病害识别与叶片分类研究的图像数据集。

该数据集包含约 87,000 张 RGB 图像，共分为 38 个类别，涵盖健康叶片与多种病害类型。图像按类别存储，划分为训练集（80%）与验证集（20%），另提供一个包含 33 张图像的测试集用于模型性能评估。该数据集广泛适用于开发与评估机器学习与深度学习模型，特别是在农作物健康监控、病害识别、精准农业模型与学术研究中，具有重要的基准价值。

以上就是本期推荐的数据集汇总，快来一键下载使用吧～

关于 HyperAI超神经 (hyper.ai)

HyperAI超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区， 致力于成为国内数据科学领域的基础设施，为国内开发者提供丰富、优质的公共资源，截至目前已经：