iSAID：一种用于航拍图像实例分割的大规模数据集
计算机视觉与模式识别
2019-08-29 v2 机器学习
摘要
现有的地球视觉数据集要么适用于语义分割，要么适用于目标检测。在这项工作中，我们引入了首个用于航拍图像实例分割的基准数据集，其结合了实例级目标检测与像素级分割任务。与自然场景中的实例分割相比，航拍图像带来了独特的挑战，例如每幅图像中实例数量巨大、目标尺度变化大以及大量微小目标。我们的大规模且密集标注的航拍图像实例分割数据集（iSAID）包含来自 2,806 幅高分辨率图像的 15 个类别的 655,451 个目标实例。每个实例如此精确的逐像素标注确保了准确的定位，这对于精细的场景分析至关重要。与现有的基于小规模航拍图像的实例分割数据集相比，iSAID 包含 15 倍的目标类别数和 5 倍的实例数。我们使用两种流行的自然图像实例分割方法，即 Mask R-CNN 和 PANet，对我们的数据集进行了基准测试。在我们的实验中，我们表明直接将现成的 Mask R-CNN 和 PANet 应用于航拍图像会提供次优的实例分割结果，因此需要研究界提供专门的解决方案。该数据集公开可用：https://captain-whu.github.io/iSAID/index.html
引用
@article{arxiv.1905.12886,
title = {iSAID: A Large-scale Dataset for Instance Segmentation in Aerial Images},
author = {Syed Waqas Zamir and Aditya Arora and Akshita Gupta and Salman Khan and Guolei Sun and Fahad Shahbaz Khan and Fan Zhu and Ling Shao and Gui-Song Xia and Xiang Bai},
journal= {arXiv preprint arXiv:1905.12886},
year = {2019}
}
备注
CVPR'19 Workshops (Detecting Objects in Aerial Images). The dataset is publicly available at: https://captain-whu.github.io/iSAID/index.html