cMars12k

cMars12k 是一个用于火星陨石坑地下冰概率预测的数据集，包含 11,355 张 200x200 像素的 .jpg 格式图像。每张图像对应一个火星陨石坑，并附带一个浮点数标签 ice_likelihood，范围约为 -0.375 到 1.000，表示该位置 0-1 米深度存在地下冰的可能性（1.000 表示极高概率或确认存在）。数据集基于 THEMIS IR Day Map、Robbins & Hynek 2020 火星陨石坑数据库和 NASA SWIM Project 0-1m 冰一致性图，通过 QGIS 叠加和 Python 脚本批量导出生成。根据 ice_likelihood 值，图像被分为六个类别：very_unlikely（-0.375 到 -0.20）、unlikely（-0.20 到 0.00）、possible（0.00 到 0.20）、somewhat_likely（0.20 到 0.50）、likely（0.50 到 0.80）、very_likely_confirmed（0.80 到 1.00）。每个类别包含 2000 张图像，但 very_likely_confirmed 类别有 1355 张。对于二分类任务，推荐使用 0.50 作为阈值：≥0.50 为 Likely（3355 张），<0.50 为 Unlikely（8000 张），存在类别不平衡，但已在从零训练的二元分类器和基于 ResNet50 的分类器中取得良好效果。cMars12k is a dataset for predicting subsurface ice probability in Martian impact craters, containing 11,355 images of 200x200 pixels in .jpg format. Each image corresponds to a Martian crater and is accompanied by a floating-point label ice_likelihood, ranging approximately from -0.375 to 1.000, indicating the likelihood of subsurface ice at 0-1 meter depth (1.000 indicates high probability or confirmed presence). The dataset is generated based on the THEMIS IR Day Map, Robbins & Hynek 2020 Martian crater database, and NASA SWIM Project 0-1m ice consistency map, using QGIS overlay and Python scripts for batch export. According to the ice_likelihood value, images are divided into six categories: very_unlikely (-0.375 to -0.20), unlikely (-0.20 to 0.00), possible (0.00 to 0.20), somewhat_likely (0.20 to 0.50), likely (0.50 to 0.80), very_likely_confirmed (0.80 to 1.00). Each category contains 2000 images, except the very_likely_confirmed category which has 1355 images. For binary classification tasks, a threshold of 0.50 is recommended: ≥0.50 as Likely (3355 images), <0.50 as Unlikely (8000 images), with class imbalance, but good results have been achieved in both a binary classifier trained from scratch and a ResNet50-based classifier.

原始信息汇总

cMars12k 数据集概述

简介
cMars12k 是一个包含 11,355 张火星陨石坑图像的数据集，每张图像为 200x200 像素的 .jpg 格式。该数据集提供了每个陨石坑在 0-1 米深度存在地下冰的概率（likelihood）。它是 cMars8k 的更新和更均衡版本，采用 CC-BY-4.0 许可证。

数据来源与构建方法

• 图像来源：使用 THEMIS IR Day Map（热辐射成像系统红外日间地图）生成图像，因其轻量且具有科学可靠性。
• 陨石坑坐标：基于 Robbins & Hynek 2020 火星陨石坑数据库 获取陨石坑的近似中心地理位置。
• 地下冰概率：采用 NASA SWIM Project 0-1m Ice Consistency map 数据，确定每个陨石坑位置的地下冰存在概率。
• 整合方法：通过 QGIS 将这些数据集叠加，并利用 Python 脚本批量导出图像。

数据格式与分类

• 图像规格：每张图像固定为 200x200 像素，存储为 .jpg 文件，位于 images 目录下。

• 冰概率值：ice_likelihood 为 float64 类型，范围约从 -0.375 到 1.000，其中 1.000 表示极高概率或确认存在地下冰。

• 六个类别（基于 ice_likelihood 值划分）：

  • -0.375 至 -0.20：very_unlikely（极不可能）
  • -0.20 至 0.00：unlikely（不可能）
  • 0.00 至 0.20：possible（可能）
  • 0.20 至 0.50：somewhat_likely（有些可能）
  • 0.50 至 0.80：likely（可能）
  • 0.80 至 1.00：very_likely_confirmed（非常可能/已确认）

• 类别平衡性：除 very_likely_confirmed（包含 1,355 张图像）外，其余五个类别均包含 2,000 张图像。

建议的二分类方法

• 对于二分类任务，推荐使用 0.50 作为阈值：≥0.50 视为“可能”（Likely），<0.50 视为“不可能”（Unlikely）。
• 该分割方式与 NASA/SWIM Project 原始数据一致，但存在不平衡（8,000 张“不可能” vs 3,355 张“可能”）。不过，使用从头训练的简单二分类器或基于 ResNet50 架构 的分类器均已取得成功结果。

数据访问方式

• 可通过 Git 克隆获取：git clone https://huggingface.co/datasets/evans44/cMars12k
• 也可通过 Hugging Face API 访问该数据集。

搜集汇总

数据集介绍

构建方式

该数据集构建基于多源遥感数据与地理信息系统的精细融合。研究者利用THEMIS红外日间影像图作为基底，以Robbins & Hynek的2020年火星撞击坑数据库提供坑体中心坐标，并叠加NASA SWIM项目获取的0-1米深度地下冰概率图层。通过QGIS进行多图层叠加与空间对齐，借助Python脚本批量导出200×200像素的影像切片，最终形成包含11,355幅火星撞击坑图像的数据集。各冰概率类别均精确配比，其中“very_likely_confirmed”类别含1,355幅，其余五类各含2,000幅，确保了类别间的均衡性。

使用方法

数据集支持多种机器学习应用场景。对于二分类任务，建议采用0.50作为判别阈值，将数据划分为“可能含冰”与“可能不含冰”两组，尽管此划分导致类别不均衡（8000幅对3355幅），但已在实际训练中验证了从零构建的分类器及基于ResNet50架构的迁移学习模型的效能。对于多分类或回归任务，可直接利用六类标签或原始ice_likelihood数值。数据可通过Hugging Face API或Git克隆快速获取，便于学者直接集成至PyTorch或TensorFlow数据管道。

背景与挑战

背景概述

cMars12k数据集由Evans等人于近年创建，旨在推动火星地下冰探测研究。该数据集整合了THEMIS红外日间影像、Robbins & Hynek的2020年火星撞击坑数据库以及NASA SWIM项目的地下冰一致性图，通过QGIS叠加与自动脚本生成11,355张200×200像素的火星撞击坑图像，并标注了0-1米深度地下冰存在的概率。作为cMars8k的改进平衡版本，cMars12k在分类分布上进行了优化，为行星科学和机器学习交叉领域提供了标准化数据资源，促进了基于深度学习的火星遥感图像分析，对理解火星水文历史及未来着陆任务规划具有重要影响。

当前挑战

cMars12k数据集面临的挑战涵盖领域问题和构建过程两个方面。在领域问题层面，火星撞击坑地下冰探测具有高度不确定性，干扰因素包括地形多样性、光照差异及表层覆盖物影响，单一遥感数据难以精确反演浅层冰分布，且类别间概率边界模糊，易导致分类模型泛化能力受限。在构建过程中，多源数据融合面临坐标配准精度和图像分辨率不匹配的难题，QGIS叠加虽简化了流程，但局部区域仍存在系统误差；同时，类别不平衡问题突出，如very_likely_confirmed类仅含1,355张图像，而其余类别各为2,000张，为模型训练与评估增加了难度。

常用场景

经典使用场景

cMars12k数据集作为行星科学领域的一项宝贵资源，其经典使用场景聚焦于火星地下冰的遥感探测与识别。研究人员利用该数据集训练深度学习模型，以从火星表面的热红外影像中自动判别陨石坑区域是否存在浅层地下冰。其精心设计的类别划分，从‘非常不可能’到‘非常可能确认’，为多分类任务提供了细粒度的标注，同时亦支持二分类建模，极大便利了机器学习算法在行星遥感数据上的应用与验证。

解决学术问题

该数据集精准回应了火星科学中关于浅层地下冰分布这一关键学术命题。通过整合THEMIS热红外影像、Robbins & Hynek陨石坑数据库及NASA的SWIM项目冰一致性图，cMars12k提供了一个标准化的、平衡的基准，使得研究者能够量化评估不同算法在识别潜在水冰资源方面的性能。它有效解决了以往研究中样本不均衡、标注不一致等问题，为行星表面过程、气候演化及未来资源利用等研究提供了坚实的数据支撑，推动了行星遥感与深度学习的交叉融合。

实际应用

在实践层面，cMars12k数据集的价值尤为凸显于未来火星探测任务的生命支持与资源原位利用。其高精度的冰一致性预测图可辅助着陆点选择，优先筛选出浅层水冰赋存概率高的区域，降低采样风险并提高科学回报。同时，基于该数据集训练的模型可集成至火星轨道器或巡视器的自主导航与目标识别系统，实现快速的环境评估，为载人火星任务中的水冰开采与生命维持系统设计提供关键情报，具有深远的工程应用潜力。

数据集最近研究

最新研究方向

在当前火星探测任务如火如荼的背景下，地下冰资源的精准识别成为深空资源利用与宜居性评估的关键科学前沿。cMars12k数据集作为cMars8k的进阶版本，通过融合THEMIS热红外影像、精确的陨石坑坐标数据库以及NASA SWIM项目的水冰一致性图谱，构建了涵盖六类冰存在概率的精细化样本库，其分类体系与连续概率标注为机器学习模型提供了高辨识度的训练基础。该数据集的镜像均衡特性与二分类推荐阈值，为训练轻量化、高鲁棒性的语义分割模型及迁移学习框架创造了条件，有力支撑了火星浅层水冰分布图的自动生成。这一资源的发布，不仅促进了行星科学中数据驱动范式的应用，更为未来载人登陆任务选址、原位资源利用（ISRU）策略制定及行星地质演化研究提供了关键数据基石，标志着火星地下冰遥感解译迈向智能化新阶段。