全球建筑物提取数据集（免费下载）：微软/GlobalMLBuildingFootprints

这个是GitHub上的开源数据集：

https://github.com/microsoft/GlobalMLBuildingFootprints

介绍

必应地图正在世界各地发布开放式建筑足迹。我们从 2014 年到 2021 年间的 Bing Maps 图像中检测到了 7.77 亿座建筑物，包括 Maxar 和 Airbus 的图像。数据可在 ODbL 下免费下载和使用。该数据集补充了我们的其他版本。

 

包括的地区

 

执照

此数据由 Microsoft 根据Open Data Commons Open Database License (ODbL) 获得许可。

常问问题

数据包括什么？

776,712,641 个建筑足迹多边形几何图形，以行分隔的 GeoJSON 格式分布在世界各地。

 

GeoJSON 格式是什么？

GeoJSON 是一种用于编码各种地理数据结构的格式。有关详细文档和教程，请参阅此博客。

为什么要公布数据？

Microsoft 一直有兴趣支持蓬勃发展的 OpenStreetMap 生态系统。

我们应该将数据导入 OpenStreetMap 吗？

也许。切勿在未检查本地质量的情况下覆盖其他贡献者的辛勤工作或盲目地将数据导入 OSM。虽然我们的指标显示这些数据达到或超过了手绘建筑足迹的质量，但数据的质量确实因地而异，在农村和城市之间，在山区和平原之间，等等。在当地检查质量并与社区讨论进口计划。始终遵循OSM 导入社区指南。

这些数据会在更大的 OpenStreetMap 生态系统中使用或提供吗？

是的。目前 Microsoft Open Buildings 数据集在 ml-enabler 中用于创建任务。您可以在AI 辅助任务管理器中试用。这些数据也将在 Facebook RapiD中提供。

我们是如何创建数据的？

建筑物提取分两个阶段完成：

1. 语义分割——使用深度神经网络 (DNN) 识别航拍图像上的构建像素
2. 多边形化——将建筑像素检测转换为多边形

Stage1：语义分割

 

 

第 2 阶段：多边形化

此版本是否有任何建模改进？

我们没有为此版本应用任何建模改进。相反，我们专注于扩展我们的方法以增加覆盖范围，并在区域内训练模型。

评估集指标

评估指标是根据每个区域的一组建筑多边形标签计算的。请注意，我们只有墨西哥建筑物的验证结果，因为我们没有为该国训练模型。

在评估集上构建匹配指标：

我们跟踪以下指标来衡量评估集中匹配的建筑多边形的质量：

1. Intersection over Union – 这是衡量标签重叠质量的标准指标
2. 主导角旋转误差——测量多边形旋转偏差

语料库中的假阳性率

从随机抽样的建筑物多边形预测中估计每个国家/地区的误报。

这些数据的年份是什么？

提取的建筑物足迹的年份取决于底层图像的年份。基础图像来自 Bing Maps，包括 2014 年至 2021 年期间的 Maxar 和 Airbus。

数据有多好？

我们的指标表明，在绝大多数情况下，质量至少与 OpenStreetMap 中的手动数字化建筑物一样好。它并不完美，尤其是在人口稠密的城市地区，但它在农村地区提供了良好的回忆。

什么是坐标参考系？

每股收益：4326

是否会有更多来自其他地区的数据？

也许。这是一个正在进行的工作。此外，请查看我们的其他建筑版本！

• 我们
• 澳大利亚
• 加拿大
• 乌干达和坦桑尼亚
• 南美洲
• 肯尼亚和尼日利亚
• 印度尼西亚、马来西亚和菲律宾