摘要

现有的地球视觉数据集要么适用于语义分割，要么适用于目标检测。在本研究中，我们引入了首个用于航拍图像实例分割的基准数据集，该数据集结合了实例级目标检测和像素级分割任务。与自然场景中的实例分割相比，航拍图像呈现出独特的挑战，例如每张图像中包含大量实例、物体尺度变化大以及存在大量微小物体。我们的大规模且密集标注的航拍图像实例分割数据集（iSAID）包含了2,806张高分辨率图像中的655,451个对象实例，涵盖15个类别。每个实例的精确逐像素标注确保了详细的场景分析所需的准确定位。与现有的基于小规模航拍图像的实例分割数据集相比，iSAID包含的目标类别数量是其15倍，实例数量是其5倍。我们使用两种流行的自然图像实例分割方法——Mask R-CNN和PANet对我们的数据集进行了基准测试。实验结果表明，直接将现成的Mask R-CNN和PANet应用于航拍图像会提供次优的实例分割结果，因此需要研究社区提出专门的解决方案。该数据集已公开发布，网址为：https://captain-whu.github.io/iSAID/index.html