большая сеть

BigEarthNet — это новый крупномасштабный тестовый архив Sentinel-2, состоящий из 590 326 патчей изображений Sentinel-2. Размер пятна изображения на земле составляет 1,2 х 1,2 км с переменным размером изображения в зависимости от разрешения канала. Это набор данных с несколькими метками и 43 несбалансированными метками.

Для построения BigEarthNet изначально были отобраны 125 плиток Sentinel-2, приобретенных в период с июня 2017 года по май 2018 года в 10 странах (Австрия, Бельгия, Финляндия, Ирландия, Косово, Литва, Люксембург, Португалия, Сербия, Швейцария) Европы. Все тайлы были скорректированы с помощью инструмента генерации и форматирования продуктов Sentinel-2 уровня 2A (sen2cor) с учетом атмосферы. Затем они были разделены на 590 326 непересекающихся фрагментов изображений. Каждый фрагмент изображения был аннотирован несколькими классами земного покрова (т. е. несколькими метками), которые были предоставлены из базы данных земного покрова CORINE за 2018 год (CLC 2018).

Полосы и разрешение пикселей в метрах:

  • B01: Прибрежный аэрозоль; 60м
  • B02: синий; 10м
  • B03: зеленый; 10м
  • B04: красный; 10м
  • B05: красный край растительности; 20м
  • B06: красный край растительности; 20м
  • B07: красный край растительности; 20м
  • B08: БИК; 10м
  • B09: водяной пар; 60м
  • B11: SWIR; 20м
  • B12: SWIR; 20м
  • B8A: узкий БИК; 20м

Лицензия: Лицензионное соглашение данных сообщества — разрешительная версия 1.0.

URL-адрес: http://bigeearth.net/

Расколоть Примеры
'train' 590 326
@article{Sumbul2019BigEarthNetAL,
  title={BigEarthNet: A Large-Scale Benchmark Archive For Remote Sensing Image Understanding},
  author={Gencer Sumbul and Marcela Charfuelan and Beg{"u}m Demir and Volker Markl},
  journal={CoRR},
  year={2019},
  volume={abs/1902.06148}
}

bigearthnet/rgb (конфигурация по умолчанию)

  • Описание конфигурации : каналы Sentinel-2 RGB

  • Структура функции :

FeaturesDict({
    'filename': Text(shape=(), dtype=tf.string),
    'image': Image(shape=(120, 120, 3), dtype=tf.uint8),
    'labels': Sequence(ClassLabel(shape=(), dtype=tf.int64, num_classes=43)),
    'metadata': FeaturesDict({
        'acquisition_date': Text(shape=(), dtype=tf.string),
        'coordinates': FeaturesDict({
            'lrx': tf.int64,
            'lry': tf.int64,
            'ulx': tf.int64,
            'uly': tf.int64,
        }),
        'projection': Text(shape=(), dtype=tf.string),
        'tile_source': Text(shape=(), dtype=tf.string),
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
имя файла Текст tf.string
изображение Изображение (120, 120, 3) tf.uint8
этикетки Последовательность (метка класса) (Никто,) tf.int64
метаданные ОсобенностиDict
метаданные/acquisition_date Текст tf.string
метаданные/координаты ОсобенностиDict
метаданные/координаты/lrx Тензор tf.int64
метаданные/координаты/lry Тензор tf.int64
метаданные/координаты/ulx Тензор tf.int64
метаданные/координаты/uly Тензор tf.int64
метаданные/проекция Текст tf.string
метаданные/tile_source Текст tf.string

bigearthnet/все

  • Описание конфигурации : 13 каналов Sentinel-2

  • Структура функции :

FeaturesDict({
    'B01': Tensor(shape=(20, 20), dtype=tf.float32),
    'B02': Tensor(shape=(120, 120), dtype=tf.float32),
    'B03': Tensor(shape=(120, 120), dtype=tf.float32),
    'B04': Tensor(shape=(120, 120), dtype=tf.float32),
    'B05': Tensor(shape=(60, 60), dtype=tf.float32),
    'B06': Tensor(shape=(60, 60), dtype=tf.float32),
    'B07': Tensor(shape=(60, 60), dtype=tf.float32),
    'B08': Tensor(shape=(120, 120), dtype=tf.float32),
    'B09': Tensor(shape=(20, 20), dtype=tf.float32),
    'B11': Tensor(shape=(60, 60), dtype=tf.float32),
    'B12': Tensor(shape=(60, 60), dtype=tf.float32),
    'B8A': Tensor(shape=(60, 60), dtype=tf.float32),
    'filename': Text(shape=(), dtype=tf.string),
    'labels': Sequence(ClassLabel(shape=(), dtype=tf.int64, num_classes=43)),
    'metadata': FeaturesDict({
        'acquisition_date': Text(shape=(), dtype=tf.string),
        'coordinates': FeaturesDict({
            'lrx': tf.int64,
            'lry': tf.int64,
            'ulx': tf.int64,
            'uly': tf.int64,
        }),
        'projection': Text(shape=(), dtype=tf.string),
        'tile_source': Text(shape=(), dtype=tf.string),
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
B01 Тензор (20, 20) tf.float32
B02 Тензор (120, 120) tf.float32
B03 Тензор (120, 120) tf.float32
B04 Тензор (120, 120) tf.float32
B05 Тензор (60, 60) tf.float32
B06 Тензор (60, 60) tf.float32
B07 Тензор (60, 60) tf.float32
B08 Тензор (120, 120) tf.float32
B09 Тензор (20, 20) tf.float32
B11 Тензор (60, 60) tf.float32
В12 Тензор (60, 60) tf.float32
Б8А Тензор (60, 60) tf.float32
имя файла Текст tf.string
этикетки Последовательность (метка класса) (Никто,) tf.int64
метаданные ОсобенностиDict
метаданные/acquisition_date Текст tf.string
метаданные/координаты ОсобенностиDict
метаданные/координаты/lrx Тензор tf.int64
метаданные/координаты/lry Тензор tf.int64
метаданные/координаты/ulx Тензор tf.int64
метаданные/координаты/uly Тензор tf.int64
метаданные/проекция Текст tf.string
метаданные/tile_source Текст tf.string