Initial commit: v1.0

2026-04-16 15:26:59 +03:00
commit 5c5404b122
23 changed files with 7564 additions and 0 deletions
--- a/UAV-GeoLoc_Dataset_Analysis.md
+++ b/UAV-GeoLoc_Dataset_Analysis.md
@@ -0,0 +1,688 @@
+```
+АНАЛИЗ ДАТАСЕТА: World-UAV (UAV-GeoLoc)
+```
+Дата анализа: 2026-04-06
+Метод: Полный эмпирический анализ данных на диске + GitHub-репозиторий + проектная
+страница авторов
+Все пробелы из предыдущего анализа закрыты реальными данными.
+1. МЕТАДАННЫЕ
+Поле Значение
+Полное
+название
+UAV-GeoLoc: A Large-Vocabulary Dataset and Geometry-Transformed
+Method for UAV Geo-Localization
+Авторы Rouwan Wu, Jiacheng Deng, Mingyu Mou, Xingyi He, Maojun Zhang, Yu
+```
+Liu, Shen Yan (NUDT + Zhejiang University)
+```
+```
+Год, Venue 2025, IEEE Robotics and Automation Letters (RA-L), IF ~5.2, Q1 Robotics
+```
+DOI 10.1109/LRA.2025.3588061
+```
+Код https://github.com/RingoWRW/GeoLoc-UAV (Python, 17 stars)
+```
+Данные https://huggingface.co/datasets/RingoWRW97/UAV-GeoLoc
+```
+Лицензия CC BY-NC 4.0 (модификация и коммерческое использование
+```
+```
+запрещены)
+```
+Общий
+объём на
+диске
+```
+~181 GB (Country: ~84 GB, Terrain: ~95 GB, Rot: ~1.4 GB, Index +
+```
+```
+weights: ~0.3 GB)
+```
+2. ОБЩАЯ СТАТИСТИКА
+2.1. Сводка по подмножествам
+Параметр Country Terrain Rot ИТОГО
+Категорий верхнего уровня 11 стран 27 типов ландшафта 1 сцена —
+Городов / под-категорий 35 27 1 63
+```
+Сцен (регионов) 171 200 1 372
+```
+Параметр Country Terrain Rot ИТОГО
+```
+DB crop-изображений (спутник) 141,045 132,990 648 274,683
+```
+```
+Query-кадров (дрон) 308,352 337,704 6,688 652,744
+```
+Всего изображений 449,397 470,694 7,336 927,427
+Avg positives / frame 1.00 1.00 1.00 1.00
+Avg semi-positives / frame 2.87 2.80 — ~2.83
+Уникальных размеров crop 6 9 1 11
+```
+2.2. Разбиение train / val / test (Index-файлы, только Terrain split)
+```
+Split Сцен Query-изображений DB-изображений Уник. labels
+Train 140 206,108 94,709 9,370
+Val 40 62,368 26,597 2,757
+Test 20 33,472 11,684 1,439
+Итого 200 301,948 132,990 13,566
+```
+Дополнительные splits: *_country (180/60/30 сцен), *_all (319/100/50 сцен
+```
+```
+объединённо).
+```
+2.3. Распределение positives на query
+```
+Из train_query.txt (206,108 строк):
+```
+Positives на query Количество Доля
+1 ~2,500 1.2%
+2 ~4,800 2.3%
+3 ~2,200 1.1%
+4 ~194,558 94.4%
+5 ~100 <0.1%
+6 ~1,950 0.9%
+```
+Подавляющее большинство query имеют ровно 4 positive DB-патча (1 точный + 3 semi-
+```
+```
+positive соседа из-за 50% overlap нарезки).
+```
+3. ИЕРАРХИЯ СЦЕН
+3.1. Country: 11 стран, 35 городов, 171 сцена
+Страна Городов Сцен Примеры городов
+USA 6 29 Boston, Chicago, Los Angeles, New York, San Francisco,
+Washington
+```
+Australia 3 20 Adelaide (7), Melbourne (6), Sydney (7)
+```
+```
+English 4 20 Birmingham (5), Edinburgh (5), London (5), Manchester (5)
+```
+```
+German 4 19 Berlin (5), Falakford (5), Hamburg (4), Munich (5)
+```
+```
+Italy 4 19 Milan (5), Rome (5), Turin (5), Venice (4)
+```
+```
+French 3 13 Lyons (5), Marseilles (4), Paris (4)
+```
+```
+Japan 3 13 Kyoto (4), Osaka (4), Tokyo (5)
+```
+```
+Korea 2 10 Busan (5), Seoul (5)
+```
+```
+Poland 2 10 Krakow (5), Warsaw (5)
+```
+```
+Spain 2 10 Barcelona (5), Madrid (5)
+```
+```
+Brazil 2 8 Rio de Janeiro (3), Sao Paulo (5)
+```
+```
+Замечание: 17 сцен (Edinburgh 5, London 5, Manchester 5, Birmingham/JewelleryQuarter
+```
+```
+1, Chicago/__MACOSX 1) не содержат DB-кропов и positive.json — неполные данные
+```
+или артефакты архивации.
+3.2. Terrain: 27 типов ландшафта, 200 сцен
+Тип ландшафта Сцен Тип ландшафта Сцен
+Hill 18 Finca 11
+Mountain 18 Plateau 11
+Fall 12 Volcano 11
+Plain 12 Island 10
+Basin 11 Gorge 9
+Delta 11 Wetland 8
+Calcification 6 Prairie 5
+Desert 6 Terrace 5
+Flowers 6 Farm 5
+Тип ландшафта Сцен Тип ландшафта Сцен
+Oasis 6 Glacier 5
+StoneForest 6 Snow 3
+Pasture 2 Danxia 1
+Hylare 1 Karst 1
+3.3. Rot: 1 сцена, 88 вариантов
+```
+Сцена: SouthernSuburbs (Аделаида, Австралия)
+```
+4. ГЕОГРАФИЧЕСКИЙ ОХВАТ
+Параметр Значение
+```
+Диапазон долгот от -155° (Гавайи) до +176° (Новая Зеландия)
+```
+```
+Диапазон широт от -50° (Патагония) до +63° (Гамбург)
+```
+```
+Континентов 6 (Европа, Азия, Северная/Южная Америка, Австралия, Африка —
+```
+```
+через Terrain)
+```
+Климатических
+зон
+Множественные: тропики, субтропики, умеренная, субарктика
+Ключевое преимущество: Первый UAV-to-satellite датасет с мультистрановым
+```
+покрытием (6+ стран и все континенты кроме Антарктиды).
+```
+5. МЕТОДОЛОГИЯ СБОРА ДАННЫХ
+```
+height100: 72 варианта — поворот каждые 5 градусов (0, 5, 10, ..., 355)
+```
+height125/150: по 8 вариантов — поворот каждые 45 градусов
+Итого: 88 вариантов x 76 кадров = 6,688 query-кадров
+```
+DB: 648 кропов (27x24 сетка, 200x200 px)
+```
+5.1. Источники изображений
+```
+Дроновые виды (query):
+```
+Параметр Значение
+```
+Платформа Синтетический рендеринг (Google Earth Studio 3D)
+```
+```
+Тип съёмки RGB, top-down (камера вертикально вниз, pitch ~90°)
+```
+```
+Разрешение кадров 512x512 px (подтверждено из JSON и реальных файлов)
+```
+```
+FOV 30° по вертикали (из camera trajectory JSON)
+```
+Частота кадров 30 fps, 2.5 сек на траекторию
+```
+Кадров на траекторию 76 (75 кадров анимации + начальный)
+```
+Формат JPEG
+```
+Спутниковые виды (gallery / DB):
+```
+Параметр Значение
+```
+Платформа Спутник (Google Earth / Google Maps tiles)
+```
+```
+Формат PNG (кропы), GeoTIFF (merge.tif)
+```
+Разрешение
+кропов
+```
+от 100x100 до 1000x1000 px (11 уникальных размеров, см.
+```
+```
+раздел 6)
+```
+```
+GSD Варьируется по сценам (зависит от zoom level при рендеринге)
+```
+5.2. Параметры съёмки дронов
+Параметр Значение
+```
+Высоты полёта 100 м, 125 м, 150 м (3 значения)
+```
+Азимуты камеры
+```
+(heading)
+```
+```
+0°, 45°, 90°, 135°, 180°, 225°, 270°, 315° (8 направлений, шаг
+```
+```
+45°)
+```
+Число вариантов на
+сцену
+```
+24 (3 высоты x 8 азимутов) для Country; 8-24 для Terrain
+```
+```
+FOV камеры 30° (вертикальный, подтверждено)
+```
+5.3. Примеры данных
+Пары query-positive:
+Влияние высоты на query-изображение:
+Влияние поворота камеры:
+6. ПРОСТРАНСТВЕННАЯ НАРЕЗКА СПУТНИКОВЫХ
+ПАТЧЕЙ
+6.1. Обнаруженные параметры нарезки
+Эмпирически установлено путём попиксельного сопоставления кропов с merge.tif:
+```
+Правило: stride = crop_size / 2 (ровно 50% overlap) для ВСЕХ сцен без
+```
+исключений.
+Параметр
+нарезки
+Значение
+Стратегия Sliding window с фиксированным overlap
+```
+Overlap 50% (stride = crop_size / 2)
+```
+```
+Именование crop_X_Y.png — X по ширине (col), Y по высоте (row)
+```
+Позиция в
+merge.tif
+merge[Y*stride : Y*stride+crop_size, X*stride :
+X*stride+crop_size]
+6.2. Распределение размеров кропов
+```
+Crop size (px) Stride (px) Сцен Country Сцен Terrain Итого сцен
+```
+100x100 50 1 0 1
+150x150 75 ~20 11 ~31
+200x200 100 ~120 111 ~231
+250x250 125 ~15 0 ~15
+300x300 150 0 10 10
+400x400 200 1 3 4
+500x500 250 0 1 1
+512x512 256 4 43 47
+600x600 300 0 8 8
+800x800 400 0 8 8
+1000x1000 500 0 4 4
+```
+Наиболее частый размер: 200x200 px (231 сцена, ~64% всех сцен).
+```
+6.3. Размеры merge.tif
+Размеры merge.tif сильно варьируются:
+7. АННОТАЦИИ И МЕТАДАННЫЕ
+7.1. Файлы аннотаций на сцену
+Файл Содержание Формат
+positive.json Точное GT-соответствие: frame_idx -
+> [crop_name]
+JSON, 1 positive на
+кадр
+Минимум: ~1280x2560 px
+```
+Типичный (Country): ~2816x2304 — 3072x2560 px
+```
+```
+Типичный (Terrain, 512 crop): ~7680x5120 — 7680x7680 px
+```
+```
+Максимум: ~15360x11520 px (отдельные сцены Terrain)
+```
+```
+USA/Washington: ~10752x9984 px (512x512 кропы)
+```
+Файл Содержание Формат
+semi_positive.json Частичные перекрытия: frame_idx ->
+[crop_1, crop_2, ...]
+JSON, 1-5 semi-
+positives
+db_postion.txt GPS-координаты каждого crop filename lon lat
+res_x res_y
+```
+height{H}_rot{R}.json Траектория камеры для каждого
+```
+query-варианта
+JSON с ECEF, lat/lon,
+FOV
+merge.tif Полный спутниковый снимок
+региона
+GeoTIFF
+```
+{RegionName}.txt Границы региона (start/end
+```
+```
+координаты)
+```
+Text
+7.2. Структура camera trajectory JSON
+7.3. Типы аннотаций
+Тип аннотации Наличие Комментарий
+GPS-координаты Да Из Google Earth, точность ~1-3 м
+```
+Высота дрона (altitude) Да 100, 125, 150 м (дискретно)
+```
+```
+Азимут камеры (heading) Да 8 значений с шагом 45°
+```
+FOV камеры Да 30° вертикальный
+```
+Pitch / Roll Да Фиксированный (top-down, ~90°)
+```
+Positive/Semi-positive pairs Да positive.json + semi_positive.json
+Семантические метки Частично 27 категорий terrain type
+```
+{
+```
+"name": "height100_rot0",
+"width": 512, "height": 512,
+"frameRate": 30,
+"numFrames": 75,
+"durationSeconds": 2.5,
+"cameraFrames": [
+```
+{
+```
+```
+"position": {"x": ..., "y": ..., "z": ...},
+```
+```
+"rotation": {"x": ..., "y": ..., "z": ...},
+```
+```
+"coordinate": {"latitude": ..., "longitude": ..., "altitude": 150},
+```
+"fovVertical": 30
+```
+}, ...
+```
+]
+```
+}
+```
+Тип аннотации Наличие Комментарий
+Временная метка Нет —
+Depth maps Нет —
+Segmentation masks Нет —
+Bounding boxes Нет —
+8. ПРЕДОБУЧЕННЫЕ МОДЕЛИ
+```
+Три checkpoint'а (~95 MB каждый), идентичная архитектура:
+```
+Файл Обучение Параметров Описание
+weights_terrain.pth Terrain split 24,873,938 Только природные сцены
+weights_city.pth Country split 24,873,938 Только городские сцены
+```
+weights_e6_all.pth All (combined) 24,873,938 Объединённый датасет
+```
+```
+Архитектура модели (221 слой):
+```
+Архитектуры из GitHub-репозитория:
+Вариант Backbone Local Features Aggregation Rotation Inv.
+```
+Group (основной) DINOv2 ViT-S/14 GroupNet MulConvAP Да (8 углов)
+```
+Group-DINOv2 DINOv2 ViT-B/14 GroupNet ConvAP Да
+Vanilla ResNet50 Global only ConvAP/GeM Нет
+```
+AnyLoc (baseline) DINOv2 ViT-G/14 Global GeM Нет
+```
+9. ПРОТОКОЛ ОЦЕНКИ
+logit_scale — обучаемый скаляр температуры для contrastive loss
+groupnet.extractor — DINOv2 ViT-S/14 с conv projection
+groupnet.embedder — embedding head
+aggregator.AAP — adaptive average pooling
+```
+aggregator.channel_pool_{1,3,5} — multi-scale channel pooling (MulConvAP)
+```
+9.1. Задача
+```
+Image-to-image retrieval (drone -> satellite). Дроновое изображение (query)
+```
+```
+сопоставляется с гео-привязанными спутниковыми патчами (gallery) через ранжирование
+```
+по сходству эмбеддингов.
+Ключевое отличие от University-1652: One-to-N matching — одному query может
+соответствовать несколько positive и semi-positive gallery-патчей.
+9.2. Метрики
+Метрика Используется Комментарий
+Recall@1 Да Стандарт для всех CVGL-работ
+Recall@5 Да —
+Recall@10 Да —
+9.3. Результаты на Rot-подмножестве
+```
+"Fire" — модели, обученные на World-UAV; "Box" — модели с LPN-методом.
+```
+10. ПОЛНАЯ СТРУКТУРА ДАННЫХ
+UAV-GeoLoc/ # ~181 GB
+├── Country/ # ~84 GB, 11 стран, 35 городов, 171
+сцена
+```
+│ └── {Country}/{City}/{Region}/
+```
+│ ├── DB/
+```
+│ │ ├── merge.tif # полный спутниковый снимок (GeoTIFF)
+```
+│ │ ├── db_postion.txt # GPS: filename lon lat res_x res_y
+│ │ └── img/
+```
+│ │ └── crop_X_Y.png # нарезанные патчи (stride =
+```
+```
+crop_size/2)
+```
+│ ├── query/
+```
+│ │ └── height{H}_rot{R}/ # 24 варианта (H: 100/125/150, R: 0-315)
+```
+│ │ ├── footage/
+```
+│ │ │ └── height{H}_rot{R}_{frame}.jpeg # 76 кадров, 512x512
+```
+```
+│ │ ├── height{H}_rot{R}.json # траектория камеры
+```
+```
+│ │ └── height{H}_rot{R}.esp # Earth Studio project
+```
+│ ├── positive.json # GT: frame_idx -> [exact crop match]
+│ ├── semi_positive.json # frame_idx -> [overlapping crops]
+```
+│ └── {Region}.txt # координаты региона
+```
+│
+├── Terrain/ # ~95 GB, 27 типов, 200 сцен
+```
+│ └── {TerrainType}/{Scene}/ # структура аналогична Country
+```
+│ ├── DB/
+│ ├── query/ # 8-24 варианта
+│ ├── positive.json
+│ ├── semi_positive.json
+```
+│ └── visible_gt/ # (опционально) GT видимости
+```
+│
+├── Rot/ # ~1.4 GB, 1 сцена
+```
+│ └── SouthernSuburbs/ # 88 вариантов (72 rot@h100 + 8@h125 +
+```
+```
+8@h150)
+```
+│ ├── DB/ # 648 кропов
+│ └── query/
+│
+├── Index/ # train/val/test splits
+```
+│ ├── train.txt / val.txt / test.txt # списки сцен (Terrain)
+```
+```
+│ ├── train_country.txt / val_country.txt / ...# списки сцен (Country)
+```
+│ ├── train_all.txt / val_all.txt / ... # объединённые
+│ ├── train_query.txt # 206K строк: path label pos1
+[pos2...]
+│ ├── train_db.txt # 95K DB-путей
+│ ├── val_query.txt / val_db.txt # 62K / 27K
+│ └── test_query.txt / test_db.txt # 33K / 12K
+│
+├── weights_terrain.pth # 95 MB, 24.9M params
+├── weights_city.pth # 95 MB, 24.9M params
+11. СРАВНЕНИЕ С КЛЮЧЕВЫМИ ДАТАСЕТАМИ
+Характеристика World-UAV University-1652 SUES-200 VIGOR CVUSA
+Год 2025 2020 2023 2021 2019
+Venue RA-L ACM MM — CVPR —
+Вид пары D<->S D<->S<->G D<->S G<->S G<->S
+Число локаций 372 1,652 200 90K+ 44K
+Число
+изображений
+927K 72K+ 4,800 238K 88K
+```
+Число стран 6+ 1 (Китай) 1 (Китай) 1
+```
+```
+(США)
+```
+```
+1 (США)
+```
+Число типов
+сцен
+```
+27 ~1 (кампус) ~1
+```
+```
+(кампус)
+```
+смеш. смеш.
+Разрешение
+query
+512x512 256x256 224x224 varies varies
+Видов на
+локацию
+```
+24 (D) 54 (D) 4 (D) 1 1
+```
+Мульти-
+высотность
+Да
+```
+(100/125/150 м)
+```
+```
+Да (3 выс.) Да (4
+```
+```
+выс.)
+```
+Нет Нет
+Мульти-
+ракурсность
+```
+Да (8 азимутов) Да (18 аз.) Нет Нет Нет
+```
+One-to-N
+matching
+Да Нет Нет Да Нет
+Semi-positives Да Нет Нет Нет Нет
+```
+Cross-area split Да (по
+```
+```
+странам)
+```
+Нет Нет Да Нет
+Gallery strategy Grid + 50%
+overlap
+GPS-centered
+1:1
+GPS-
+centered
+1:1
+Grid,
+semi-
+pos.
+GPS-
+centered
+1:1
+```
+Gallery size (DB) 274K 951 200 90K+ 44K
+```
+Дрон-виды Синтетические
+```
+(GE)
+```
+Синтетические
+```
+(GE)
+```
+Реальные — —
+├── weights_e6_all.pth # 95 MB, 24.9M params
+└── README.md
+Характеристика World-UAV University-1652 SUES-200 VIGOR CVUSA
+```
+Публичный Да (CC BY-NC
+```
+```
+4.0)
+```
+Да Да Да Да
+12. ЗАМЕЧАНИЯ ПО КАЧЕСТВУ ДАННЫХ
+```
+12.1. Неполные сцены (17 из 171 Country)
+```
+Следующие сцены не содержат DB-кропов, GPS-данных и positive.json:
+```
+12.2. Ошибки именования папок (6+ сцен)
+```
+Сцена Ошибка Ожидание
+French/Lyons/PartDieu eight150_rot135 height150_rot135
+French/Marseilles/LaPlaine 125_rot315 height125_rot315
+Spain/Barcelona/SantMarti ght100_rot90 height100_rot90
+Japan/Tokyo/Shibuya height150_rot3155 height150_rot315
+Italy/Turin/Crocetta height150_rot22 height150_rot225
+```
+English/Birmingham/Harborne height150_rot0 (1) дубликат
+```
+12.3. Общие замечания
+```
+Edinburgh: все 5 (CastleHill, Dalry, Haymarket, NewTown, Stockbride)
+```
+```
+London: все 5 (CamdenTown, CoventGarden, Fitzrovia, Mayfair, SoHo)
+```
+```
+Manchester: все 5 (Ancoats, Castlefield, Deansgate, NorthernQuarter, Piccadilly)
+```
+```
+Birmingham: JewelleryQuarter
+```
+```
+Chicago: __MACOSX (артефакт macOS-архивации)
+```
+```
+Domain gap: дроновые виды синтетические (Google Earth 3D) — не реальные БПЛА
+```
+Нет сезонной вариативности: Google Earth рендерит одну "замороженную" версию
+сцены
+Нет погодных / световых вариаций: нет fog, rain, night
+Воспроизводимость: Google периодически обновляет 3D-модели, что может
+нарушить воспроизводимость
+```
+Географический bias: нет Африки (кроме Terrain), нет Юго-Восточной Азии, нет
+```
+арктических регионов в Country
+13. КЛЮЧЕВЫЕ ЧИСЛА ДЛЯ ЦИТИРОВАНИЯ
+Метрика Значение
+Всего сцен 372
+Всего изображений 927,427
+```
+Стран 11 (Country)
+```
+```
+Типов ландшафта 27 (Terrain)
+```
+Query-кадров 652,744
+DB-кропов 274,683
+Размер на диске ~181 GB
+Разрешение query 512x512 px
+FOV камеры 30°
+```
+Высоты 3 (100, 125, 150 м)
+```
+```
+Азимуты 8 (шаг 45°)
+```
+```
+Overlap нарезки 50% (stride = crop_size / 2)
+```
+```
+Crop sizes 11 уникальных (от 100 до 1000 px)
+```
+```
+Модель (params) 24.9M (GroupNet + DINOv2-ViT-S/14 + MulConvAP)
+```