datasets

遥感深度学习数据集一站索引,找数据不再东拼西凑

这是一个面向深度学习遥感应用的卫星与航空影像数据集汇总仓库,系统整理了地球观测领域常用的公开数据集资源。它解决的核心问题是:做遥感图像研究时,数据集分散在各国航天机构、大学和竞赛平台,检索成本高、格式与标注标准不统一,研究者往往要花大量时间找数据。该仓库按任务类型和传感器来源分类,覆盖分类、目标检测、语义分割、变化检测等常见任务,涉及 Sentinel、Landsat、航拍影像等来源,并给出下载入口与简要说明。对刚进入遥感深度学习方向的学生和工程师来说,它相当于一份索引清单,能快速定位可用数据,减少重复搜索,也便于对比不同数据集的规模、分辨率与标注情况,从而选择适合自己模型训练与评测的资源。

开源 free 数据集
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1201
维护状态 活跃
是否开源
定价模式 free

项目数据

分类数据集
开发团队satellite-image-deep-learning
所属国家
官网地址
定价模式free
价格说明开源免费数据集
访问状态
是否开源
开源协议
主要语言
技术栈/模型datasets,earth-observation,remote-sensing,satellite-data,satellite-imagery,sentinel
GitHub 星标★ 1201
30天Star增速
HF 下载量
上线时间2022-11-25 00:00:00
最近更新2026-09-19 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • 可访问 GitHub 及国外数据集网站的网络环境
  • 浏览器或 Markdown 阅读器
  • 可选:已安装 git 命令行客户端

安装与启动步骤

  1. 1克隆仓库

    把数据集清单仓库下载到本地,README 本身只是索引,不含数据文件,体积很小。

    git clone https://github.com/satellite-image-deep-learning/datasets.git
  2. 2打开清单文件

    进入目录查看 README.md,README 开头即给出站点入口与 Lists of datasets 清单。

    cd datasets
  3. 3关键词检索定位

    README 明确说明:若已知论文名或数据集名,可用 Control+F 在本页或 raw markdown 中搜索。

  4. 4跳转外部数据集索引

    按需访问 README 中列出的外部清单,如 Earth Observation Database、geospatial-data-catalogs 等,再到各数据源下载。

如何确认成功

打开 README.md,能看到“Lists of datasets”标题及其下的外部清单链接列表,即说明内容完整可用。

常见问题

Q:这个仓库直接提供数据集下载吗?

A:不提供。它只是数据集索引清单,数据需要按 README 中列出的外部链接,到各航天机构、大学或竞赛平台自行下载。

Q:找不到想要的数据集怎么办?

A:README 建议用 Control+F 在页面或 raw markdown 中按论文名搜索;也可访问 satellite-image-deep-learning.com 或 Earth Observation Database 等外部清单查找。

Q:需要安装 Python 或深度学习框架吗?

A:不需要。README 未提供任何安装命令或代码依赖,克隆后直接用浏览器或编辑器阅读即可。

Q:仓库包含哪些任务类型的数据集?

A:README 节选中可见变化检测(change detection)、Copernicus/Sentinel 数据等专题清单入口,覆盖多种遥感任务方向。

注意事项

  • README 未提供安装脚本或依赖安装说明,本教程仅覆盖获取与检索清单的通用动作。
  • 数据集的下载方式、许可协议与标注格式由各数据源决定,使用前请自行核对版权与引用要求。
  • README 推荐用 Control+F 在页面内搜索,也可在 raw markdown 中搜索以提高效率。

核心亮点

  • 按任务与传感器分类整理,覆盖分类、检测、分割、变化检测等主流遥感任务
  • 汇总 Sentinel、Landsat、航拍等多来源数据集,并附下载入口,省去逐个检索
  • 面向深度学习场景,标注类型和适用任务说明清晰,方便选型对比

不足之处

  • 以链接索引为主,缺少统一的数据预处理脚本和加载接口
  • 数据集更新依赖维护者手动跟进,部分链接可能滞后或失效

适用场景

  • 遥感方向研究生开题时快速调研可用数据集
  • 训练卫星影像语义分割模型前筛选合适数据源
  • 参加遥感图像竞赛时查找公开评测数据集

替代项目

torchgeo、awesome-remote-sensing

项目介绍

datasets 是数据集领域的开源项目,由 satellite-image-deep-learning 开发,2022 年首次发布。

在全站 12,822 个收录项目中,它的 GitHub 星标数(1,201)位列前 30%,在数据集分类中处于中上游。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-19。开源免费数据集。

它主要面向的使用场景是:遥感方向研究生开题时快速调研可用数据集。同类可对比的替代方案包括 torchgeo、awesome-remote-sensing。

上一篇:datasette

下一篇:Awesome-Dataset-Distillation

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注,图像视频文本通吃,导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10496 2026-08-10
aisheets 开源

像用表格一样批量调 AI,不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1643 2026-09-20
distilabel 开源

基于论文的合成数据流水线,快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3395 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据,告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09