matlab精度检验代码1.网络 审查： 很棒的项目 cosmiq Radiant MLHub开放库，用于地球观测机器学习。 [] 2.图像分类 数据集 每班图片 场景类 图片总数 空间分辨率（m） 图片大小 年 UC Merced土地使用 100 21岁 2100 0.3 256×256 2010年 WHU-RS19 〜50 19 1005 最高0.5 600×600 2010年 RSSCN7 400 7 2800 -- 400×400 2015年 RSC11 〜100 11 1232 0.2 512×512 2016年 西里湖 200 12 2400 2个 200×200 2016年 援助 200〜400 30 10000 0.5〜0.8 600×600 2017年 欧洲卫星 2000 2500 3000 10 27000 -- 64×64 2017年 NWPU-RESISC45 700 45 31500 〜30至0.2 256×256 2017年 模式网 800 38 30400 0.062〜4.693 256×256 2017年 RSI-CB RSI-CB128（〜800） R

UC Merced Land-Use Dataset 是一个用于研究的 21 级土地利用图像遥感数据集，共拥有 100 类图像，均提取自 USGS National Map Urban Area Imagery 系列，其被用于全国各地的城市地区。此数据集公共领域图像的像素分辨率为 1 英尺，图像像素大小为 256*256，包含 21 个类别的场景图像共计 2100 张，其中每个类别有 100 张。 该数据集由 UC Merced 计算机视觉 实验室于 2010 年发布，相关论文有《Bag-Of-Visual-Words and Spatial Extensions for Land-Use Classification》。

NWPU VHR-10 Dataset 是一个用于空间物体检测的 10 级地理遥感数据集，其拥有 650 张包含目标的图像和 150 张背景图像，共计 800 张，目标种类包括飞机、舰船、油罐、棒球场、网球场、篮球场、田径场、港口、桥梁和汽车共计 10 个类别。 该数据集由西北工业大学于 2014 年发布，相关论文有《Multi-class geospatial object detection and geographic imageclassification based on collection of part detectors》、《A survey on objectdetection in optical remote sensing images》和《Learningrotation-invariant convolutional neural networks for object detection in VHRoptical remote sensing images》。

This data sets can be retrieved from AVIRIS NASA site. Among the many datasets available, the .mat archive posted here corresponds to the f970619t01p02_r02_sc03.a.rfl reflectance file.

很实用的用于高光谱遥感图像分类Salinas数据集，欢迎下载

NWPU VHR-10 Dataset 是一个用于空间物体检测的 10 级地理遥感数据集，其拥有 650 张包含目标的图像和 150 张背景图像，共计 800 张，目标种类包括飞机、舰船、油罐、棒球场、网球场、篮球场、田径场、港口、桥梁和汽车共计 10 个类别。 NWPU VHR-10 地理空间物体检测遥感数据集.xlsx

以掩膜形式标注的轻量级航拍车辆标注数据集，标注信息以图片的形式给出。

高光谱遥感数据集Indian Pines，包含测试集和训练集。

卫星遥感集邮品数据集（1957－1959）汇集了23个国家在1957－1959年间（国际地球物理年）发行的349件集邮品。该数据集是在林超地理博物馆实物馆藏品的基础上，经数字化整理和归档后完成。该数据集中汇集的集邮品包括太空时代开始时期各国为纪念苏联成功发射2个卫星系列（地球观测系列和月球观测系列）和美国成功发射5个地球观测卫星系列共计7个卫星系列、29颗卫星纪念邮品。

The NASA EO-1 satellite acquired a sequence of data over the Okavango Delta, Botswana in 2001-2004. The Hyperion sensor on EO-1 acquires data at 30 m pixel resolution over a 7.7 km strip in 242 bands covering the 400-2500 nm portion of the spectrum in 10 nm windows. Preprocessing of the data was performed by the UT Center for Space Research to mitigate the effects of bad detectors, inter-detector miscalibration, and intermittent anomalies. Uncalibrated and noisy bands that cover water absorption features were removed, and the remaining 145 bands were included as candidate features: [10-55, 82-97, 102-119, 134-164, 187-220]. The data analyzed in this study, acquired May 31, 2001, consist of observations from 14 identified classes representing the land cover types in seasonal swamps, occasional swamps, and drier woodlands located in the distal portion of the Delta.