Skyview Aerial Landscape Dataset
Skyview est un dataset d’images aériennes comprenant 12 000 photos réparties en 15 catégories de paysages (agriculture, ville, rivière, forêt, etc.), avec une résolution de 256x256 pixels. Il est issu de la fusion de datasets publics AID et NWPU-Resisc45, destiné à la recherche en vision par ordinateur.
Description
Le dataset Skyview rassemble 12 000 images aériennes de paysages réparties en 15 classes différentes telles que agriculture, aéroport, plage, ville, désert, forêt, montagne, rivière, etc. Chaque image a une résolution de 256x256 pixels, ce qui permet un bon compromis entre détails et traitement rapide.
À quoi sert ce dataset ?
- Entraîner des modèles de classification des paysages à partir d’images aériennes
- Développer des systèmes de surveillance environnementale et d’aménagement urbain
- Tester des algorithmes d’analyse de scènes en vision par ordinateur
Peut-on l’enrichir ou l’améliorer ?
Ce dataset peut être complété par des annotations supplémentaires comme la segmentation d’objets, ou par l’intégration de données temporelles pour l’analyse de changements. L’augmentation des images peut aussi améliorer la robustesse des modèles.
🔎 En résumé
🧠 Recommandé pour
- Chercheurs en télédétection
- Développeurs IA environnementale
- Étudiants en vision par ordinateur
🔧 Outils compatibles
- TensorFlow
- PyTorch
- OpenCV
- Outils GIS
💡 Astuce
Utiliser l’augmentation d’images pour simuler différentes conditions météorologiques et améliorer la robustesse.
Questions fréquemment posées
Quelle est la résolution des images dans ce dataset ?
Les images ont une résolution fixe de 256x256 pixels, adaptées au traitement rapide et à la classification.
Combien de catégories d’images comporte ce dataset ?
Le dataset comprend 15 catégories différentes représentant divers paysages aériens.
Ce dataset peut-il être utilisé pour la segmentation d’images ?
Ce dataset est annoté pour la classification uniquement, mais peut être enrichi pour la segmentation avec annotations supplémentaires.




