Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

Bigearthnet

BigEarthNet - это новый крупномасштабный архив тестов Sentinel-2, состоящий из 590 326 патчей изображений Sentinel-2. Размер участка изображения на земле составляет 1,2 x 1,2 км с изменяемым размером изображения в зависимости от разрешения канала. Это набор данных с несколькими метками с 43 несбалансированными метками.

Для создания BigEarthNet изначально было выбрано 125 плиток Sentinel-2, приобретенных в период с июня 2017 года по май 2018 года в 10 странах Европы (Австрия, Бельгия, Финляндия, Ирландия, Косово, Литва, Люксембург, Португалия, Сербия, Швейцария). Все плитки были скорректированы с помощью инструмента создания и форматирования продукта Sentinel-2 Level 2A (sen2cor). Затем они были разделены на 590 326 неперекрывающихся участков изображения. Каждый фрагмент изображения был аннотирован несколькими классами земного покрова (т. Е. Множественными метками), которые были предоставлены из базы данных CORINE Land Cover 2018 года (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 ближний ИК-диапазон; 20м

Лицензия: Лицензионное соглашение об использовании данных сообщества - Разрешительное, Версия 1.0.

URL: http://bigearth.net/

Расколоть Примеры
'train' 590 326
  • Образец цитирования:
@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: Дозорный-2 RGB каналы

  • Особенности:

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),
    }),
})

Визуализация

bigearthnet / все

  • Описание конфигурации: 13 Дозорные-2 канал

  • Особенности:

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),
    }),
})