Visualisasi : Jelajahi di Kenali Data Anda
Deskripsi :
BigEarthNet adalah arsip benchmark Sentinel-2 berskala besar baru, yang terdiri dari 590.326 tambalan gambar Sentinel-2. Ukuran tambalan gambar di lapangan adalah 1,2 x 1,2 km dengan ukuran gambar bervariasi tergantung pada resolusi saluran. Ini adalah kumpulan data multi-label dengan 43 label yang tidak seimbang.
Untuk membangun BigEarthNet, 125 ubin Sentinel-2 yang diperoleh antara Juni 2017 dan Mei 2018 di 10 negara (Austria, Belgia, Finlandia, Irlandia, Kosovo, Lituania, Luksemburg, Portugal, Serbia, Swiss) di Eropa awalnya dipilih. Semua petak dikoreksi secara atmosferik oleh alat pembuatan dan pemformatan produk Sentinel-2 Level 2A (sen2cor). Kemudian, mereka dibagi menjadi 590.326 tambalan gambar yang tidak tumpang tindih. Setiap tambalan gambar dianotasi oleh beberapa kelas tutupan lahan (yaitu, multi-label) yang disediakan dari database Tutupan Lahan CORINE tahun 2018 (CLC 2018).
Pita dan resolusi piksel dalam meter:
- B01: Aerosol pesisir; 60 m
- B02: Biru; 10 m
- B03: Hijau; 10 m
- B04: Merah; 10 m
- B05: Vegetasi tepi merah; 20 m
- B06: Vegetasi tepi merah; 20 m
- B07: Vegetasi tepi merah; 20 m
- B08: NIR; 10m
- B09: Uap air; 60 m
- B11: SWIR; 20 m
- B12: SWIR; 20 m
- B8A: NIR sempit; 20 m
Lisensi: Perjanjian Lisensi Data Komunitas - Permisif, Versi 1.0.
URL: http://bigearth.net/
Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode
Beranda : http://bigearth.net
Kode sumber :
tfds.datasets.bigearthnet.Builder
Versi :
-
1.0.0
(default): API split baru ( https://tensorflow.org/datasets/splits )
-
Ukuran unduhan :
65.22 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :
Membelah | Contoh |
---|---|
'train' | 590.326 |
- Kutipan :
@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 (konfigurasi default)
Deskripsi konfigurasi : Saluran Sentinel-2 RGB
Ukuran dataset :
14.07 GiB
Struktur fitur :
FeaturesDict({
'filename': Text(shape=(), dtype=string),
'image': Image(shape=(120, 120, 3), dtype=uint8),
'labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=43)),
'metadata': FeaturesDict({
'acquisition_date': Text(shape=(), dtype=string),
'coordinates': FeaturesDict({
'lrx': int64,
'lry': int64,
'ulx': int64,
'uly': int64,
}),
'projection': Text(shape=(), dtype=string),
'tile_source': Text(shape=(), dtype=string),
}),
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Dtype | Keterangan |
---|---|---|---|---|
fiturDict | ||||
nama file | Teks | rangkaian | ||
gambar | Gambar | (120, 120, 3) | uint8 | |
label | Urutan(Label Kelas) | (Tidak ada,) | int64 | |
metadata | fiturDict | |||
metadata/acquisition_date | Teks | rangkaian | ||
metadata/koordinat | fiturDict | |||
metadata/koordinat/lrx | Tensor | int64 | ||
metadata/koordinat/lry | Tensor | int64 | ||
metadata/koordinat/ulx | Tensor | int64 | ||
metadata/koordinat/uly | Tensor | int64 | ||
metadata/proyeksi | Teks | rangkaian | ||
metadata/tile_source | Teks | rangkaian |
Kunci yang diawasi (Lihat
as_supervised
doc ):('image', 'labels')
Gambar ( tfds.show_examples ):
- Contoh ( tfds.as_dataframe ):
bigearthnet/all
Deskripsi konfigurasi : 13 saluran Sentinel-2
Ukuran dataset :
176.63 GiB
Struktur fitur :
FeaturesDict({
'B01': Tensor(shape=(20, 20), dtype=float32),
'B02': Tensor(shape=(120, 120), dtype=float32),
'B03': Tensor(shape=(120, 120), dtype=float32),
'B04': Tensor(shape=(120, 120), dtype=float32),
'B05': Tensor(shape=(60, 60), dtype=float32),
'B06': Tensor(shape=(60, 60), dtype=float32),
'B07': Tensor(shape=(60, 60), dtype=float32),
'B08': Tensor(shape=(120, 120), dtype=float32),
'B09': Tensor(shape=(20, 20), dtype=float32),
'B11': Tensor(shape=(60, 60), dtype=float32),
'B12': Tensor(shape=(60, 60), dtype=float32),
'B8A': Tensor(shape=(60, 60), dtype=float32),
'filename': Text(shape=(), dtype=string),
'labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=43)),
'metadata': FeaturesDict({
'acquisition_date': Text(shape=(), dtype=string),
'coordinates': FeaturesDict({
'lrx': int64,
'lry': int64,
'ulx': int64,
'uly': int64,
}),
'projection': Text(shape=(), dtype=string),
'tile_source': Text(shape=(), dtype=string),
}),
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Dtype | Keterangan |
---|---|---|---|---|
fiturDict | ||||
B01 | Tensor | (20, 20) | float32 | |
B02 | Tensor | (120, 120) | float32 | |
B03 | Tensor | (120, 120) | float32 | |
B04 | Tensor | (120, 120) | float32 | |
B05 | Tensor | (60, 60) | float32 | |
B06 | Tensor | (60, 60) | float32 | |
B07 | Tensor | (60, 60) | float32 | |
B08 | Tensor | (120, 120) | float32 | |
B09 | Tensor | (20, 20) | float32 | |
B11 | Tensor | (60, 60) | float32 | |
B12 | Tensor | (60, 60) | float32 | |
B8A | Tensor | (60, 60) | float32 | |
nama file | Teks | rangkaian | ||
label | Urutan(Label Kelas) | (Tidak ada,) | int64 | |
metadata | fiturDict | |||
metadata/acquisition_date | Teks | rangkaian | ||
metadata/koordinat | fiturDict | |||
metadata/koordinat/lrx | Tensor | int64 | ||
metadata/koordinat/lry | Tensor | int64 | ||
metadata/koordinat/ulx | Tensor | int64 | ||
metadata/koordinat/uly | Tensor | int64 | ||
metadata/proyeksi | Teks | rangkaian | ||
metadata/tile_source | Teks | rangkaian |
Kunci yang diawasi (Lihat
as_supervised
doc ):None
Gambar ( tfds.show_examples ): Tidak didukung.
Contoh ( tfds.as_dataframe ):