STAR Relationship

STAR Relationship 是一个遥感场景图生成（Scene Graph Generation，SGG）数据集。仓库将原始大尺寸图片与结构化标注分开保存：

• 图片以普通文件形式位于 images/。
• train、validation 和 test 的结构化标注以 Parquet 保存。
• Dataset 中的 image 字段是图片相对于仓库根目录的路径，不包含图片字节，也不会自动解码为 PIL 对象。

完整仓库约为 127 GB。使用 snapshot_download() 下载完整仓库前，请确认本地有足够的磁盘空间。

仓库结构

wliafe/star
├── README.md
├── images
│   ├── train
│   │   └── 0000.png
│   ├── validation
│   │   └── 0002.png
│   └── test
│       └── 0004.png
└── data
    ├── train-*.parquet
    ├── validation-*.parquet
    └── test-*.parquet

本地源数据中的 val 在 Hugging Face Dataset 中命名为 validation。

数据字段

每行表示一张图片及其场景图标注：

• id：图片文件名去除扩展名后的样本 ID。
• image：仓库相对路径，例如 images/train/0000.png。
• width、height：原图宽高。
• polygons：对象 polygon 列表；每个点为 [x, y]，保留原始坐标和顶点顺序。
• labels：与 polygons 一一对应的对象类别。
• relations.subject_index：关系主语在对象数组中的索引。
• relations.object_index：关系宾语在对象数组中的索引。
• relations.predicate：关系类别。

test split 只有图片，polygons、labels 和三个关系数组均为空。

下载并读取

repo_type="dataset" 是 snapshot_download() 的参数；load_dataset() 直接使用仓库 ID，不需要传入 repo_type。

from pathlib import Path

from datasets import load_dataset
from huggingface_hub import snapshot_download


repo_dir = Path(
    snapshot_download(
        repo_id="wliafe/star",
        repo_type="dataset",
    )
)
dataset = load_dataset("wliafe/star")

sample = dataset["train"][0]
image_path = repo_dir / sample["image"]

print(sample["id"])
print(sample["image"])
print(image_path)
assert image_path.is_file()

snapshot_download() 返回仓库快照根目录，因此将它与 sample["image"] 拼接即可得到本地图片路径。不要直接把相对路径解释为当前工作目录下的文件。

使用 Pillow

from PIL import Image


with Image.open(image_path) as image:
    image.load()
    print(image.size)

使用 OpenCV

import cv2


image = cv2.imread(str(image_path), cv2.IMREAD_UNCHANGED)
if image is None:
    raise RuntimeError(f"无法读取图片：{image_path}")
print(image.shape)

固定数据版本

如果训练或评测需要可复现的数据版本，请为下载和 Dataset 加载指定同一个完整 commit revision：

from pathlib import Path

from datasets import load_dataset
from huggingface_hub import snapshot_download


revision = "<full-commit-sha>"
repo_dir = Path(
    snapshot_download(
        repo_id="wliafe/star",
        repo_type="dataset",
        revision=revision,
    )
)
dataset = load_dataset("wliafe/star", revision=revision)

image_path = repo_dir / dataset["train"][0]["image"]

这样 Parquet 标注与原始图片始终来自同一个仓库版本。