Building damage dataset

最新推荐文章于 2026-06-07 10:50:12 发布
原创 最新推荐文章于 2026-06-07 10:50:12 发布 · 1k 阅读 · 5
本文介绍了一系列用于灾害评估及建筑损伤检测的数据集，包括xView2-xBD、地震损伤检测、飓风后遥感影像中受损建筑检测等。这些数据集包含高分辨率卫星影像、标注过的损伤建筑数据，以及非图像的机器学习数据，旨在帮助提升灾害响应能力。

 

1.xView2-xBD

introduction      register to download

xBD: Annotated high-resolution satellite imagery for building damage assessment

6 disaster types, 850,736 buildings, 45,361 sq km

2.xView 2018 Object Detection Challenge部分

Download     Introduction

subset： labeled as Building - Damaged Building

3.Earthqu

最低0.47元/天 解锁文章
自然灾害分类数据集13306张8类别.7z
03-27
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：13306 分类类别数：8 类别名称:["drought","earthquake","infrastructure","land_slide","non_damage","urban_fire","water_disaster","wild_fire"] 每个类别图片数： drought 图片数：201 earthquake 图片数：35 infrastructure 图片数：1417 land_slide 图片数：453 non_damage 图片数：9237 urban_fire 图片数：418 water_disaster 图片数：1035 wild_fire 图片数：510 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放
OpenEarthMap 与 xBD 数据集合并
qq_60293814的博客
02-21 1470
整合好的数据：链接: https://pan.baidu.com/s/1uJ_Zg6n-s3u1D49OW52D7Q?pwd=2vwx 提取码: 2vwx完整整合步骤与代码如下。
通过卫星图像监测火灾造成的损失
gis收藏家的博客
03-14 635
我们根据 xBD 数据集中的标签定义将类别定义为“无建筑物”、“无损坏”、“轻微损坏”、“严重损坏”和“已毁坏”。左：山火后的卫星图像©Maxar Technologies2023，右：分割预测（白色：“无建筑物”，灰色：“无损坏”，绿色：“轻微损坏”，橙色：“严重损坏”，红色：“被摧毁”）左：山火发生前的卫星图像©Airbus2023，右：分割预测（白色：“无建筑物”，灰色：“无损坏”，绿色：“轻微损坏”，橙色：“严重损坏”，红色：“被摧毁”），由成对的“之前”和“之后”灾难图像组成。
NADBenchmarks：自然灾害机器学习基准数据集平台与分类研究
weixin_30631587的博客
05-22 547
机器学习基准数据集是算法研发与性能评估的基石，尤其在灾害管理等复杂领域，高质量、标准化的数据对于模型训练与验证至关重要。其核心原理在于通过系统化收集、标注和组织数据，为特定任务提供可复现的评估标准，从而推动技术进步与公平比较。在自然灾害管理领域，这类数据集的技术价值尤为突出，它们能够支撑从灾害预测、监测到应急响应和恢复评估的全周期智能应用。当前，该领域的数据集建设面临标注成本高、地理偏差显著以及任务定义单一等挑战。NADBenchmarks项目应运而生，它首次基于灾害管理周期（预防、准备、响应、恢复）框架，
【AI视野·今日CV 计算机视觉论文速览 第169期】Fri, 22 Nov 2019
TomRen
11-25 2122
AI视野·今日CS.CV 计算机视觉论文速览 ---三维重建 ---2D3D描述子 ---边缘点文本检测 ---图像去雾
一键构建xBD建筑灾害语义级变化检测/建筑分割提取可执行数据集（可直接用于模型训练/验证）
qq_43456016的博客
04-08 1156
本文介绍了一个用于处理xBD灾害数据的Python脚本，主要功能包括文件整理、掩码值转换、JSON文件更新、灾害标签生成和伪彩色转换。脚本通过命令行参数控制执行步骤，支持批量处理多个源目录中的数据。具体步骤包括：1) 文件整理，去除文件名中的“_pre”和“_post”后缀，并将文件分类存储；2) 掩码值转换，将0-1范围的掩码值转换为0-255；3) JSON文件更新，修改JSON文件中的图像名称；4) 灾害标签生成，根据前后灾图像生成灾害等级标签；5) 伪彩色转换，将单通道掩码转换为伪彩色图像。
【遥感图像】数据集合集！
Kyzy_1919的博客
11-08 3282
根据所提供的指导，我们还提供了一个构建 RS 图像数据集的示例，即 Million-AID，这是一个新的大型基准数据集，包含用于 RS 图像场景分类的一百万个实例。新数据集由以下30种航空场景类型组成: 机场，裸地，棒球场，海滩，桥梁，中心，教堂，商业，密集住宅，沙漠，农田，森林，工业，草甸，中等住宅，山地，公园，停车场，游乐场，池塘，港口，火车站，度假村，河流，学校，稀疏住宅，广场，体育场，储罐和高架桥。武汉大学·中国科学院·慕尼黑工业大学·德国航空航天中心·特温特大学。中国科学院·中国科学院大学。
深度学习框架目标检测yolov8模型训练 建筑物损坏缺陷识别检测数据集通过训练出的建筑裂缝病害数据集的权重 推理识别 裂缝 裸露钢筋剥落
2401_86822270的博客
05-30 1075
深度学习框架目标检测yolov8模型训练 建筑物损坏缺陷识别检测数据集通过训练出的建筑裂缝病害数据集的权重 推理识别 裂缝 裸露钢筋剥落
php 图像检索,图像检索公开数据集
weixin_39679664的博客
04-07 337
INRIA HolidaysINRIA Holidays dataset，Herve Jegou等人使用的数据集，该数据集是他们研究所经常度假时拍的图片(风景为主)，一共1491张图，500张query(一张图一个group)和对应着991张相关图像，已提取了128维的SIFT点4455091个，visual dictionaries来自Flickr60K。Oxford BuildingsThe ...
如何训练使用建筑物损坏缺陷识别检测数据集 yolo数据集 共2400张 已增强 裂缝，4842个实例 建筑裂缝数据集 裸露钢筋数据集 表皮剥落脱落数据集检测三类 如何训练识别 目标检测 深度学习
2401_86822270的博客
01-01 1498
添加图片注释，不超过 140 字（可选） 建筑物损坏缺陷识别检测数据集 yolo数据集 共2400张 已增强 添加图片注释，不超过 140 字（可选） 数据集名称 建筑物损坏缺陷识别检测数据集（Building Damage and Defect Detection Dataset） 数据集概述 该数据集专为建筑物损坏和缺陷的自动检测任务设计，旨在帮助研究人员、工程师以及建筑维护人员通过图像识别技术快速发现并定位建筑物中的各种损坏和缺陷。数据集包含2400张经过增强处理的高清图像，并且每张图像都经过详
语义一致性裁判系统：ADK+Agent SDK构建可审计多模型仲裁方案
最新发布
weixin_30875157的博客
06-07 323
语义一致性是大模型协同落地的核心挑战，指多个LLM对同一输入生成逻辑自洽但结果冲突时的深层意图与事实对齐能力。其原理超越文本相似度（如BLEU/ROUGE），依赖抽象意义表示（AMR）图谱匹配、证据溯源与冲突类型学分析。技术价值在于将不可控的模型幻觉转化为可测量、可审计、可归责的工程对象，显著提升AI服务可信度与合规性。典型应用于智能客服知识校验、金融合规审查、医疗决策支持等高风险场景。本文聚焦Google ADK与OpenAI Agent SDK双引擎协同，实现语义裁判系统的结构化治理与动态推理深度统一。
English3-2026-05-27
怨行客
05-27 62
【代码】English3-2026-05-27。
Rage(PC) Modding Notes : Console Commands
tailiangliang的专栏
08-12 2292
_________________________________________ ¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯¯ Rage(PC) Modding Notes : Console
CV论文--2024.2.1
u012854516的专栏
02-01 663
我们提出了一种新的尺度蒸馏方法来训练我们的SR模型。我们并非直接在感兴趣的尺度因子上训练SR模型，而是先在较小的放大比例上训练一个教师模型，从而使教师的SR问题更简单。我们尺度蒸馏的理念是，教师通过提供适应当前噪声水平的目标，而不是使用来自所有噪声水平的相同的真实数据的目标，来帮助学生扩散模型训练，并提供一个准确的目标，因为教师有一个更简单的任务要解决。为了解决这个限制，我们引入了YOLO-World，这是一种创新的方法，通过视觉语言建模和在大规模数据集上的预训练，增强了YOLO在开放词汇检测方面的能力。
A review of multi-class change detection for satellite remote sensing imagery
始于足下
06-02 1675
CD技术通过分析同一地理区域在不同时间获取的多时相遥感影像，来识别地面物体的变化。该技术对环境监测、城市扩张与重建以及灾害评估等研究领域具有重要意义。传统BCD主要关注变化区域和非变化区域，无法提供更细致的土地利用和覆盖（Land Use and Land Cover, LULC）变化信息。随着地球观测卫星技术的不断进步，遥感影像的空间分辨率不断提高，使得多类别变化检测（Multi-class Change Detection, MCD）成为研究的热点方向。
MIT 更新最大自然灾害图像数据集，囊括 19 种灾害事件
HyperAI超神经
08-26 4602
By 超神经内容提要：麻省理工学院在最近 ECCV 2020 上提交的一篇论文中，发布了一套自然灾害图像数据集。这是迄今为止规模最大、质量最高的自然灾害卫星图像数据集。关键词：自然灾害 ...
【持续更新中！气象数据集汇总】气象局首次发布训练数据目录！CAMELS 美国天文气象数据集等上线官网
HyperAI超神经
05-30 2601
该数据集为论文 「Global prediction of extreme floods in ungauged watersheds」的研究数据，主要内容为 AI 模型生成的洪水重新分析 (1984-2021) 和重新预测 (2014-2021) 数据以及相应的 GloFAS 基准数据。数据集可鼓励在天气领域进行机器学习研究，方便在理解和减轻气候变化影响方面的工作。SEVIR 将多种天气传感模式组合并整合成一个单一的、可访问的数据集，该数据集可在云端免费访问，可供气象学家、数据科学家和其他研究人员使用。
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（五）
wzk4869的博客
09-10 742
【计算机视觉 | 语义分割】语义分割常用数据集及其介绍（五）
​RSCC：一个面向灾害事件的大规模遥感变化描述数据集​
hao_wujing的专栏
09-06 2023
摘要：本文提出遥感变化描述（RSCC）数据集，包含62,315对灾前/灾后时序遥感图像及详细文本描述，覆盖地震、洪水等31种灾害事件。该数据集通过视觉推理模型生成高质量标注，弥补了现有数据集缺乏时序语义信息的不足。实验表明，基于RSCC训练的模型在灾害变化描述任务中表现优异（ST5-SCS达58.52%），显著优于通用多模态模型。RSCC为遥感领域的时序视觉-语言理解提供了标准化基准，推动灾害监测技术的发展。数据集和代码已开源。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值