Визуализация: Исследовать в Know Ваши данные
Описание:
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/
Домашняя страница: http://bigearth.net
Исходный код:
tfds.image_classification.Bigearthnet
Версии:
-
1.0.0
( по умолчанию): Новый раскол API ( https://tensorflow.org/datasets/splits )
-
Скачать Размер:
65.22 GiB
Dataset размер:
Unknown size
Авто-кэшируются ( документация ): Unknown
расколы:
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),
}),
})
Контролируемые ключи (см
as_supervised
документ ):('image', 'labels')
Фигура ( tfds.show_examples ):
- Примеры ( tfds.as_dataframe ):
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),
}),
})
Контролируемые ключи (см
as_supervised
документ ):None
Рис ( tfds.show_examples ): Не поддерживается.
Примеры ( tfds.as_dataframe ):