下载地址：百度网盘-链接不存在

1.DOTA：A Large-scale Dataset for Object Detection in Aerial Images。这是武大遥感国重实验室夏桂松和华科电信学院白翔联合做的一个数据集，2806张遥感图像（大小约4000*4000），188,282个instances，分为15个类别。样本类别及数目如下（与另一个开放数据集NWPU VHR-10对比）。

链接：Detecting Objects in Aerial Images (DOAI)

2.UCAS-AOD：Dataset of Object Detection in Aerial Images，国科大模式识别实验室标注的，只包含两类目标：汽车，飞机，以及背景负样本。

链接：http://www.ucassdl.cn/resource.asp

DownLoad：Dataset 及其基本情况概述Instruction Instruction-cn 

References:[1]H. Zhu, X. Chen, W. Dai, K. Fu, Q. Ye, J. Jiao, "Orientation Robust Object Detection in Aerial Images Using Deep Convolutional Neural Network," IEEE Int'l Conf. Image Processing, 2015.

3.NWPU VHR-10：西北工业大学标注的航天遥感目标检测数据集，共有800张图像，其中包含目标的650张，背景图像150张，目标包括：飞机、舰船、油罐、棒球场、网球场、篮球场、田径场、港口、桥梁、车辆10个类别。开放下载，大概73M。

链接：http://jiong.tea.ac.cn/people/JunweiHan/NWPUVHR10dataset.html

4.RSOD-Dataset：武汉大学团队标注，包含飞机、操场、立交桥、 油桶四类目标，数目分别为：

飞机：4993 aircrafts in 446 images. 

操场： 191 playgrounds in 189 images. 

立交桥： 180 overpass in 176 overpass.

油桶：1586 oiltanks in 165 images.

链接：GitHub - RSIA-LIESMARS-WHU/RSOD-Dataset-: An open dataset for object detection in remote sensing images

5.INRIA aerial image dataset：Inria是法国国家信息与自动化研究所简称，该机构拥有大量数据库，其中此数据库是一个城市建筑物检测的数据库，标记只有building, not building两种，且是像素级别，用于语义分割。训练集和数据集采集自不同的城市遥感图像。

链接：Inria Aerial Image Labeling Dataset

6.DIOR：西工大韩军伟课题组提出了一种用于光学遥感图像中目标检测的大规模基准数据集“DIOR”，由23463幅图像和190288个目标实例组成，并对近年来基于深度学习的目标检测方法进行了综述。

文章为：Ke Li, Gang Wan, Gong Cheng, Liqiu Meng, Junwei Han. Object Detection in Optical Remote Sensing Images: A Survey and A New Benchmark.

链接：百度网盘 请输入提取码
提取码：554e

7.xView：美国国防部的国防创新部门实验室（DIUx）、DigitalGlobe还有美国国家地理空间情报局的研究人员发布了xView。这是一个数据集和其相关的竞赛，用于评估人工智能方法对高空卫星图像进行分类的能力。 xView包含60个类别的100万个不同对象，分布在1,400平方公里的卫星图像上，最大地面样本分辨率为0.3米。该数据集旨在测试图像识别的各个领域，包括：学习效率，细粒度类别检测和多尺度识别等。

数据集下载链接：xView

论文链接：https://arxiv.org/pdf/1802.07856.pdf

8.HRSC2016：遥感舰船公开数据集，分辨率从2米到0.4米不等，图像大小从300*300到1500*900不等，大部分比1000*600大。
含有3个级别任务(分别为单类class、4类category和19类type舰船检测识别)

详细信息
下载地址

9.VEDAI：VEDAI是一个用于航空图像车辆检测的数据集，可作为基准测试无约束环境下自动目标识别算法的工具。数据库中包含的车辆，除了体积小，还表现出不同的变化，如多方向、灯光/阴影变化、反射或闭塞。此外，每幅图像都有几个光谱波段和分辨率。同时给出了一套精确的实验方案，保证了不同人的实验结果能够得到正确的再现和比较。我们还给出了一些基线算法在该数据集上的性能，这些算法的不同设置，以说明任务的困难，并提供基线比较。

下载地址：Vehicle Detection in Aerial Imagery (VEDAI) : a benchmark

论文链接：Vehicle Detection in Aerial Imagery (VEDAI) : a benchmark