CNDD-0462 全国尺度的中国农业与乡村场景超高分辨率多标签图像分类数据集

01 数据介绍

▪ 数据名称：全国尺度的中国农业与乡村场景超高分辨率多标签图像分类数据集

▪ 数据编号：0462

▪ 数据区间：2023–2024年，覆盖全国范围的农业与乡村区域

▪ 数据量：55 520 张 512×512 像素的 RGB 真彩色 PNG 图像

▪ 数据简介：全国尺度的中国农业与乡村场景超高分辨率多标签图像分类数据集，数据集基于全国 50km×50km 网格采样，影像取自 Google Earth，空间分辨率约 1.2 米，拍摄时间为 2023–2024 年；经云量、清晰度、场景丰富度筛选后，最终保留55 520 张 512×512 像素的 RGB 真彩色 PNG 图像。

▪ 数据来源：由中国农业大学牵头，联合首都师范大学、瓦赫宁根大学、中科院地理所等单位建设，数据论文发表于《Scientific Data》，数据集托管在 Figshare 平台，CNDD根据原始数据清洗并整理。

▪  数据价值：这套数据是面向乡村遥感的多标签分类基准，核心用于以下方向：

1.多标签图像分类：训练模型同时识别一张遥感图中的多种地物 / 场景，是最核心的基础用途。

2.长尾学习研究：利用 78 倍的类别差距，验证重采样、代价敏感学习、Focal Loss/ASL 损失等长尾优化算法的效果。

3.弱监督语义分割：以图像级标签为弱监督信号，生成像素级伪标签，探索弱监督分割方法。

4.乡村遥感应用研究：比如分析地物共现规律、乡村场景复杂度、农业设施分布识别等。

5.拓展方向：也可用于遥感图文检索、领域大模型微调、遥感视觉问答等多模态研究。

CNDeepData 根据数据应用质量评级如下：

▪ 常用度：★★★★★

▪ 稀缺度：★★★★☆

▪ 新颖度：★★★★☆

▪ 总体级别：13颗星

✔  常用度：是数据市场中需求指标，是指该数据在经济管理类学术论文中使用频率。

✔  稀缺度：是数据市场中供给指标，是指该数据在其他数据库的出现频率。

✔ 新颖度：是数据市场中生成指标，是指该数据在生成时方法新颖程度和工作量。

02 数据集说明

数据为一个.7z 格式压缩包，解压后包含「图像文件夹 + 一张 CSV 标签表」，整体结构简洁直接。

1. 图像数据

• 数量与格式：共 55520 张 PNG 格式真彩色图像，文件名从image_00001.png连续编号至image_55520.png，统一存放在China-MAS-50k_image目录下。
• 规格参数：单张图像尺寸固定为 512×512 像素，三通道 RGB 格式，空间分辨率约 1.2 米（对应 Google Earth zoom 18 级别）；影像拍摄于 2023–2024 年，覆盖全国范围的农业与乡村区域。
• 采样逻辑：按全国 50km×50km 网格均匀筛选采样，剔除了云量过高、积雪覆盖、画面模糊、场景过于单一的无效影像，最终保留有效样本。

2. 标签数据

• 载体形式：单独的China-MAS-50k_label.csv文件，共 55520 行、19 列，每行对应一张图像。
• 关联方式：第一列字段名为nim，值为对应的图像文件名（如image_00001.png），是关联图像与标签的唯一主键。注意 CSV 行序和文件编号顺序不一致，必须通过nim字段匹配，不能按行号直接对齐。
• 标签规则：剩余 18 列为 0/1 二值的多热编码标签，1代表该类别在图像中出现，0代表未标注为该类别；单张图像可同时标注多个正标签，属于典型的多标签数据集。
• 类别覆盖：18 个类别涵盖农业用地、乡村建筑、水体、交通、文体设施等类型，具体包括：林地、耕地、乡村聚落、道路、裸地、湖泊 / 池塘、工厂建筑、河流、铁路、温室大棚、足球场、草地、篮球场、公园、固体废弃物、地膜覆盖、光伏设施、防尘网。
• 分布特点：标签呈显著长尾分布，头部的林地、耕地样本量最高，尾部的防尘网、光伏设施样本极少，最大类别样本量是最小类别的 78.2 倍。
• 特殊项：数据中存在 511 行全 0 标签的图像（所有类别均为 0），暂无法确认是漏标还是纯背景样本，使用时需单独处理。

03 数据使用方法

1.基础使用流程

 （1）数据预处理

- 解压压缩包，得到图像文件夹和 CSV 标签表；

- 通过`nim`字段将图像路径与对应标签一一匹配，构建数据集索引；

- 处理全 0 行：根据研究目的选择剔除、保留为背景类，或单独复核。

（2）数据集划分

官方未提供固定的训练 / 验证 / 测试拆分清单，需要自行划分。推荐采用“多标签分层抽样”方式，按 8:1:1 比例拆分，同时固定随机种子，保证实验可复现。

（3）模型训练

- 输入为 512×512 的 RGB 三通道图像，输出为 18 维的二值标签向量；

- 可参考原始论文的基线结果：论文对比了随机森林、XGBoost、VGG19、ResNet152、ResNeXt101、Swin-B 等 9 组模型，其中 ResNeXt101 效果最优，mAP 达 74.0%，可作为复现基准。

（4）效果评估

不建议只用总体准确率评价（头部类别会拉高整体分数，掩盖尾部类别失效的问题），推荐核心报告以下指标：

- 整体指标：mAP（平均精度均值）、宏平均 F1、样本级 F1；

- 细粒度指标：每个类别的 AP、召回率、精确率，重点关注尾部类别的识别效果。

2.关键使用注意事项

- 标签编码以 CSV 和作者代码为准，`1=类别出现，0=未标注出现`；论文原文曾写反编码方向，不要被误导。

- 针对长尾分布，训练时建议搭配类别重加权、长尾损失函数、分类别阈值调整等策略，避免模型只学好头部类别。

- 合规层面：数据集标注协议为 CC BY 4.0，但底层影像来自 Google Earth，二次传播、商业用途需额外遵守 Google Earth 的服务条款。

04 获取方式

本数据为会员专属数据，添加客服微信，购买年度基础会员149元，年度高级会员299元，永久高级会员899元，可享CNDeepData所有会员数据免费获取。

▪ 添加客服微信方式：

扫描下方二维码，或搜索微信号：DeepData001

版权声明

1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。

2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。

数据授权使用说明

任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。

中国深度数据库：让精品数据 得以流动

CNDeepData：Let high-quality data flow without barriersOffice Action

本文由 CNDD 发布

如需获取完整数据，请访问我们的官方网站