# UCAS_AOD

**Repository Path**: open-rs/UCAS_AOD

## Basic Information

- **Project Name**: UCAS_AOD
- **Description**: UCAS-AOD（University of Chinese Academy of Sciences - Aerial Object Detection）由中国科学院大学模式识别实验室于2014年发布，2015年补充完善。数据源自Google Earth的航拍卫星影像，覆盖全球多个区域，包含飞机与车辆两类目标及背景负样本。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 0
- **Created**: 2025-08-14
- **Last Updated**: 2025-08-24

## Categories & Tags

**Categories**: gis

**Tags**: None

## README

<h1 align="center">UCAS-AOD数据集</h1>

### 1、数据来源：

UCAS-AOD（University of Chinese Academy of Sciences - Aerial Object Detection）由**中国科学院大学模式识别实验室**于2014年发布，2015年补充完善。数据源自**Google Earth**的航拍卫星影像，覆盖全球多个区域，包含飞机与车辆两类目标及背景负样本。影像经专业筛选，确保目标方向分布均匀，以支持方向鲁棒性研究。

### 2、数据集规模与特性：

- **数据量**：共包含**2,420幅图像**，标注**14,596个目标实例**。其中飞机图像1,000张（7,482架飞机）、车辆图像510张（7,114辆汽车），另含910张背景负样本图像。
- **数据格式**：
  - 图像为**PNG格式**，尺寸分为1280×659和1372×941两种。
  - 标注采用**水平边界框（HBB）**与**旋转框**双格式，以文本文件（.txt）存储。每行标注包含旋转矩形框的四个顶点坐标（**x1,y1,x2,y2,x3,y3,x4,y4**）、倾斜角（**theta**）、中心点坐标及宽高（**x,y,width,height**），兼容PASCAL VOC标准。
- **核心特性**：
  - 强调**方向均匀性**：目标朝向多角度分布，解决航空影像中旋转敏感性问题。
  - 包含**背景负样本**：提升模型抗干扰能力，减少误检率39。

### 3、核心应用：

<h4>1.旋转目标检测算法基准：</h4>
作为遥感领域早期方向鲁棒性研究标杆数据集，支撑YOLOv8-OBB、RRPN等模型的训练与优化。实验表明，基于该数据集的改进模型检测精度可达96.7% mAP50（YOLOv8-OBB），显著提升飞机、车辆等旋转目标的定位准确性。
<h4>2.小目标检测优化：</h4>
针对航拍图像中小目标（如车辆）占比高的特点，推动多尺度特征融合与注意力机制的应用，解决目标尺度多样性问题。
<h4>3.军事与交通监管应用：</h4>
服务于机场动态监控、交通流量分析及军事侦察场景，为国产卫星影像的智能解译提供算法验证基础，相关技术已集成至遥感实时处理系统。对于面板上的浮灰、树叶、泥土、鸟粪、粘稠物体等，都可清洗。