Öffentliche Datensätze

Öffentliche Datensätze

Folgende öffentliche Datensätze wurden in verschiedenen Veröffentlichungen erstellt. Bitte zitieren Sie bei Verwendung die angegebenen Veröffentlichungen.

Datensatz: DLR-Mehrklassenfahrzeug Erkennung und Orientierung in Luftbildern (DLR-MVDA)

Der Datensatz DLR-MVDA beinhaltet Luftbilder mit annotierten Fahrzeugen zur automatische Detektion von Fahrzeugen aus Luftbildern, die für die verschiedensten Anwendungen z.B. im Verkehrsmanagement, bei der Parkraumüberwachung und bei der Stadtplanung interessant sind.

Datensatz: Straßenkarten-Verbesserung durch Luftbild-Analyse (ERM-PAIW)

In diesem Datensatz stellen wir die verwendeten Bildmerkmale und den Quellcode der Methode zur Verfügung. Bei dieser Methodik werden frei verfügbare weltweite Straßenkarten, wie z.B. OpenStreetMap, durch automatisierte Analyse von Luftbildern ergänzt und verbessert.

Datensatz: Hochauflösende Straßensegmentierung aus Luftbildern und terrestrischen Aufnahmen (HD-Maps)

HD-Maps ist einen Datensatz, der zur Erweiterung von existierenden Straßenkarten unter Verwendung von Luftbilddaten erstellt wurde. Eingesetzt werden räumlich hochaufgelöste Merkmale zur Extraktion von Anzahl und Breite der Fahrspuren, Gehsteigen und Parkspuren.

Datensatz: Multi-Sensor Land-Cover Klassifikation (MSLCC)

Der MSLCC-Datensatz wurde im Rahmen einer multi-sensoriellen Klassifizierung für Landbedeckung erstellt. Er beinhaltet multispektrale und SAR-Bilder von Sentinel-1B und -2A von zwei Städten in Deutschland (München und Berlin) und deren Umgebung.

DLR-SkyScapes: luftgestützter semantischer Segmentierungs-Datensatz für HD-Kartierungen

High-Definition(HD) Karten sind für das Verständnis komplexer städtischer Infrastrukturen in vielen Anwendungen wie autonomes Fahren, Infrastrukturüberwachung oder Stadtmanagement unerlässlich. Luftbilder liefern für diese Anwendungen schnell und großflächig wertvolle Informationen. Dennoch gibt es derzeit keinen öffentlichen Luftbild-Datensatz auf dem für reale Anwendungen erforderlichen Granularitätsniveau. Deshalb stellen wir SkyScapes vor, einen Luftbilddatensatz mit hochpräzisen, feinkörnigen Annotationen zur semantischen Modellierung auf Pixelebene.

Datensatz: DLR’s Menschenmassen Luftbild-Datensatz (DLR-ACD)

Der DLR-ACD-Datensatz wurde zur Personenzählung und zur Dichteabschätzung von Personenansammlungen sowie zur Lokalisation einzelner Personen in Luftbildern erstellt.

DLR HySU (HyperSpectral Unmixing) Datensatz

Der DLR HySU (HyperSpectral Unmixing) Datensatz ist ein öffentlich zugänglicher Benchmark-Datensatz zur Beurteilung der Leistungsfähigkeit von spektralen Unmixing-Algorithmen. Der Datensatz besteht aus Luftbilddaten, die mit dem HySpex-Bildspektrometer und dem DLR 3K-RGB-Kamerasystem über dem DLR-Gelände in Oberpfaffenhofen erfasst wurden. Diese werden durch In-situ-Spektren ergänzt, die mit einem SVC-Feldspektrometer aufgenommen wurden.

EAGLE: Datensatz zur Fahrzeugerkennung in realen Szenarien anhand von Luftbildern

Die automatisierte Erkennung von unterschiedlichen Fahrzeugklassen und ihrer Ausrichtung auf Luftbildern ist eine wichtige Aufgabe im Bereich der Verkehrsforschung und findet zudem auch Anwendungen u.a. im Katastrophenmanagement. Für die Weiterentwicklung entsprechender Algorithmen, die nicht nur unter Laborbedingungen, sondern auch in realen Szenarien zuverlässige Ergebnisse liefern, spielen möglichst umfangreiche und vielseitige Trainingsdatensätze eine entscheidende Rolle. Hierfür stellen wir unseren Datensatz EAGLE (oriEnted vehicle detection using Aerial imaGery in real-worLd scEnarios) vor.

XWHEEL – Datensatz zur Fahrzeugdetektion auf Luftbildern für den globalen Süden

Die automatische Fahrzeugerkennung aus Luftbildern ist für verschiedene Anwendungen wie Verkehrsmanagement, Parküberwachung, Stadtplanung und Emissionsberechnung von Interesse. Derzeit basieren die meisten Datensätze, die für Algorithmen zur Fahrzeugerkennung zur Verfügung stehen, auf Aufnahmen des globalen Nordens. Dies hat zur Folge, dass bestehende Algorithmen an die Bedingungen des Nordens angepasst sind und im globalen Süden aufgrund der Unterschiede, beispielsweise bzgl. der Gesamtzahl und der Fahrzeugtypen, nur bedingt einsetzbar sind.

SMARS – A Simulated Multimodal Aerial Remote Sensing dataset

SMARS is a large synthetic dataset containing pairs of scenes with simulated urban changes aimed at training and validating change detection applications, as well as urban segmentation and building extraction tasks. In order to cover different contexts, the dataset is modeled on the topography of two European cities: Paris and Venice, resulting in two pairs of scenes named as SParis and SVenice, respectively, with associated orthoimages and Digital Surface Models (DSMs).