# NWPU VHR-10 dataset

**Repository Path**: raymand_6925_0/NWPU-VHR-10-dataset

## Basic Information

- **Project Name**: NWPU VHR-10 dataset
- **Description**: NWPU VHR-10 图像数据集主要源自Google Earth（715幅彩色影像，分辨率0.5–2米）和Vaihingen数据集（85幅红外影像，分辨率0.08米），覆盖港口、城市、农田等多样化场景。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-11-12
- **Last Updated**: 2025-11-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

<h1 align="center">NWPU VHR-10数据集</h1>

### 1、数据来源：

NWPU VHR-10由西北工业大学于2014年发布，是遥感目标检测领域的经典数据集。其图像主要源自**Google Earth**（715幅彩色影像，分辨率0.5–2米）和**Vaihingen数据集**（85幅红外影像，分辨率0.08米），覆盖港口、城市、农田等多样化场景。所有目标由专业团队人工标注，标注结果经严格校验，确保定位与分类的精确性。

### 2、数据集规模与特性：

- **数据量**：共包含**800张图像**，其中正样本集650张（含至少一个目标），负样本集150张（纯背景）。标注**3,651个目标实例**，涵盖飞机、舰船、储油罐、棒球场、网球场、篮球场、田径场、港口、桥梁、车辆等**10个类别**。
- **标注格式**：
  - 提供**矩形边界框**（PASCAL VOC标准）及**实例掩膜**（Instance Mask），支持目标检测与分割任务；
  - 正样本标注文件为文本格式（.txt），负样本无目标标注29；
- **数据特性**：
  - 图像尺寸为500×500至1100×1100像素，三通道RGB或红外格式；
  - 目标尺度差异显著（小目标占比超14%），且覆盖复杂背景（如云雾遮挡、密集目标），考验算法鲁棒性。

### 3、核心应用：

- **算法训练与评估基准**：作为遥感领域**多类别公开数据集**，NWPU VHR-10解决了早期深度学习模型的数据稀缺问题。其支撑了YOLO系列、Faster R-CNN等模型的优化，在实验中平均精度（mAP）可达97.6%（AP50），尤其在小目标检测（如舰船、车辆）和复杂背景分类中表现突出。
- **推动技术创新**：
  - 促进**多尺度特征融合**与**旋转不变性设计**（如RRPN），解决目标方向多样性问题；
  - 支持**轻量化模型**（如MobileNetV3）在移动端的部署，检测速度达16 FPS。
- **多领域业务支撑**：应用于城市规划（建筑物/设施识别）、环境监测（油罐分布分析）、军事侦察（飞机/舰船检测）及灾害响应（港口状态评估），相关成果已集成至海事监管系统。