Update README.md

README.md

@@ -15,4 +15,93 @@ tags:
 pretty_name: UAV Landing Surface Segmentation (AirSim)
 size_categories:
 - 10K<n<100K
----
+---
+
+# UAV Landing Surface Semantic Segmentation Dataset
+
+Этот датасет предназначен для обучения и валидации моделей семантической сегментации, обеспечивающих безопасную посадку БПЛА. Данные сгенерированы в фотореалистичной синтетической среде (Unreal Engine + AirSim).
+
+## Dataset Summary
+
+Датасет содержит синхронизированные RGB-изображения, карты глубины и маски сегментации, полученные с нижней камеры дрона. Особенностью набора является высокая вариативность условий: случайное время суток, погодные эффекты и плотная выборка сцен съемки.
+
+- **Источник:** AirSim Simulation (камера `bottom_center`).
+- **Разрешение:** 640x480.
+- **FOV:** 90°.
+- **Объем:** 10,000 сэмплов в train и 1,324 сэмпла в test.
+
+## Dataset Structure
+
+Каждый сэмпл включает следующие файлы (где `NNNNN` — ID кадра):
+
+| Путь | Формат | Описание |
+| --- | --- | --- |
+| `rgb/NNNNN.png` | PNG | Цветное изображение (8-bit) |
+| `depth/NNNNN.npy` | NPY | Метрическая карта глубины (`float16`, в метрах) |
+| `mask/NNNNN.png` | PNG | Целочисленная маска классов (uint8) |
+| `depth_vis/NNNNN.png` | PNG | Визуализация глубины для контроля качества |
+| `mask_vis/NNNNN.png` | PNG | Визуальная сегментация AirSim |
+
+## Semantic Classes
+
+Датасет использует специфическую систему маппинга. Выделяется 5 классов:
+
+### Raw Classes (Collection Stage)
+1. **Static_Obstacle**: Постоянные препятствия.
+2. **Dynamic_Obstacle**: Движущиеся объекты.
+3. **Hazard**: Опасные зоны для посадки.
+4. **Vegetation**: Растительность.
+5. **Safe_Ground**: Безопасная поверхность для посадки.
+
+### Training Classes
+В силу специфики сборки на конкретной карте и задачи, под которую генерировался датасет, в процессе обучения сегментационной модели рекомендуется использовать следующий маппинг:
+| ID | Название | Исходные классы |
+| --- | --- | --- |
+| **0** | **Safe_Ground** | Safe_Ground (5) |
+| **1** | **Obstacles** | Static_Obstacle (1) + Hazard (3) |
+| **2** | **Vegetation** | Vegetation (4) |
+| **3** | **Dynamic_Obstacle** | Dynamic_Obstacle (2) |
+
+## Generation & Environment
+
+Данные генерировались методом автоматического спавна дрона с рандомизацией параметров:
+- **Геометрия:** Равномерная сетка внутри огороженного полигона на карте с повышенной вероятностью в городском ландшафте.
+- **Окружение:** Случайное время суток и погодные пресеты (туман, пыль).
+- **Ориентация:** Рандомизация углов Yaw, Pitch, Roll и высоты в заданных диапазонах.
+
+## Quality Control
+
+Все данные прошли автоматическую фильтрацию:
+- Исключены кадры в момент коллизий.
+- Удалены слишком темные изображения (недоэкспонированные).
+- Удалены дубликаты и кадры с аномалиями глубины.
+- Исключены кадры с неразмеченными пикселями.
+- Вручную удалены кадры, сделанные внутри зданий.
+
+## How to Use
+
+### Loading with Python
+```python
+from datasets import load_dataset
+
+dataset = load_dataset("asterphys/airsim-drone-dataset")
+
+# Пример доступа к данным
+example = dataset['train'][0]
+image = example['rgb']
+mask = example['mask']
+```
+
+## Citation
+
+Если вы используете этот датасет в своих исследованиях, пожалуйста, укажите ссылку на данный репозиторий.
+```bibtex
+@misc{uav-landing-segmentation,
+  author = {asterphys},
+  title = {UAV Landing Surface Semantic Segmentation Dataset (AirSim)},
+  year = {2026},
+  publisher = {Hugging Face},
+  journal = {Hugging Face Repository},
+  howpublished = {\url{https://huggingface.co/datasets/asterphys/airsim-drone-dataset}}
+}
+```