数据集链接：

不废话，先给链接，不想看介绍的兄弟直接拿走，但请留个赞。

---

链接: https://pan.baidu.com/s/14s1PSXwNnvqS9sw-YpvgaQ 密码: leog

---

数据集介绍

这个数据集一般用于图像地理定位，有一些数据集就是从其中取得子集。

数据构成为：

• 62058 张高清图像 （10343个地点）

这些图像涵盖宾州Pittsburgh的市区和邻近地区、佛罗里达州奥兰多市和纽约州曼哈顿市的部分地区。

对于每一个地点，包括了4个侧面照和一个仰角照片，形成360度视角。此外，还包括一张含有地址、街道名称等标记的图像。即，每个地点包含了6张照片。

---

以上几张是四个侧面照以及一个仰视角照片，现在再来一个含有标记的照片。

---

数据集格式

以上照片，对应XXXXXX_Y.jpg中的Y，1-5对应四个侧面和仰角图，0对应标记图。

经纬度标记

每一地点都给了一个经纬度标记，如下图所示:

这数据存在于GPS_Long_Lat_Compass.mat文件中，第一列和第二列对应的是经纬度，第三列对应的是每个地点第’4‘张图片的方向(与正北方向，逆时针的角度)，其余几张图像的角度都是与这个图像的角度称正交或者平行的方向。

图像距离如何计算

在文件’Cartesian_Location_Coordinates.mat’中，是每一个地点的笛卡尔坐标（XYZ），在这个坐标系中计算两点之间的距离，就是两点之间的实际距离（单位：米）。

GIST & Color 直方图

’GIST.mat‘文件中包含了图像的GIST特征，即颜色直方图。这个可以用于计算相似度和画图。

按照官方文档中的说法，每个通道会有20维的特征，一个RGB图像就有60维，按理来说应该有6*60=360维特征，搞不懂为什么这里是960维，如果有大胸弟能理解，希望给我留言，探讨一下。

引言此数据集的论文

[1] Liu L, Li H, Dai Y. Stochastic attraction-repulsion embedding for large scale image localization(ICCV2019)[A]. arXiv[C]. 2018: 2570–2579.

数据来源于一篇2014年的TPAMI，在下载链接中有官方文档。

---

大胸弟，留个赞呗！！！