- Descripción :
El conjunto de datos RESISC45 es un punto de referencia disponible públicamente para la clasificación de escenas de imágenes de detección remota (RESISC), creado por la Universidad Politécnica de Northwestern (NWPU). Este conjunto de datos contiene 31 500 imágenes, que cubren 45 clases de escena con 700 imágenes en cada clase.
Documentación adicional : Explore en Papers With Code
Página de inicio : http://www.escience.cn/people/JunweiHan/NWPU-RESISC45.html
Código fuente :
tfds.datasets.resisc45.BuilderVersiones :
-
3.0.0(predeterminado): Sin notas de la versión.
-
Tamaño de descarga :
Unknown sizeTamaño del conjunto de datos :
407.97 MiBInstrucciones de descarga manual : este conjunto de datos requiere que descargue los datos de origen manualmente en
download_config.manual_dir(el valor predeterminado es~/tensorflow_datasets/downloads/manual/):
El conjunto de datos se puede descargar desde OneDrive: https://1drv.ms/u/s!AmgKYzARBl5ca3HNaHIlzp_IXjs Después de descargar el archivo rar, extráigalo a manual_dir.Almacenamiento automático en caché ( documentación ): No
Divisiones :
| Separar | Ejemplos |
|---|---|
'train' | 31,500 |
- Estructura de características :
FeaturesDict({
'filename': Text(shape=(), dtype=string),
'image': Image(shape=(256, 256, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=45),
})
- Documentación de características :
| Rasgo | Clase | Forma | Tipo D | Descripción |
|---|---|---|---|---|
| CaracterísticasDict | ||||
| Nombre del archivo | Texto | cadena | ||
| imagen | Imagen | (256, 256, 3) | uint8 | |
| etiqueta | Etiqueta de clase | int64 |
Claves supervisadas (Ver
as_supervised):('image', 'label')Figura ( tfds.show_examples ):

- Ejemplos ( tfds.as_dataframe ):
- Cita :
@article{Cheng_2017,
title={Remote Sensing Image Scene Classification: Benchmark and State of the Art},
volume={105},
ISSN={1558-2256},
url={http://dx.doi.org/10.1109/JPROC.2017.2675998},
DOI={10.1109/jproc.2017.2675998},
number={10},
journal={Proceedings of the IEEE},
publisher={Institute of Electrical and Electronics Engineers (IEEE)},
author={Cheng, Gong and Han, Junwei and Lu, Xiaoqiang},
year={2017},
month={Oct},
pages={1865-1883}
}