Visualisation : Explorer dans Know Your Data
Descriptif :
Le BigEarthNet est une nouvelle archive de référence Sentinel-2 à grande échelle, composée de 590 326 patchs d'images Sentinel-2. La taille du patch d'image au sol est de 1,2 x 1,2 km avec une taille d'image variable en fonction de la résolution du canal. Il s'agit d'un ensemble de données multi-étiquettes avec 43 étiquettes déséquilibrées.
Pour construire le BigEarthNet, 125 tuiles Sentinel-2 acquises entre juin 2017 et mai 2018 sur les 10 pays (Autriche, Belgique, Finlande, Irlande, Kosovo, Lituanie, Luxembourg, Portugal, Serbie, Suisse) d'Europe ont été initialement sélectionnées. Toutes les tuiles ont été corrigées atmosphériquement par l'outil de génération et de formatage de produit Sentinel-2 niveau 2A (sen2cor). Ensuite, ils ont été divisés en 590 326 patchs d'image non superposés. Chaque patch d'image a été annoté par les multiples classes de couverture terrestre (c'est-à-dire, multi-étiquettes) qui ont été fournies à partir de la base de données CORINE Land Cover de l'année 2018 (CLC 2018).
Bandes et résolution en pixels en mètres :
- B01 : Aérosol côtier ; 60m
- B02 : bleu ; 10m
- B03 : Vert ; 10m
- B04 : Rouge ; 10m
- B05 : bordure rouge végétation ; 20m
- B06 : bordure rouge végétation ; 20m
- B07 : bordure rouge végétation ; 20m
- B08 : NIR ; 10m
- B09 : Vapeur d'eau ; 60m
- B11 : SWIR ; 20m
- B12 : SWIR ; 20m
- B8A : NIR étroit ; 20m
Licence : Accord de licence des données communautaires - Permissive, Version 1.0.
URL : http://bigearth.net/
Documentation complémentaire : Explorer sur Papers With Code
Page d' accueil : http://bigearth.net
Code source :
tfds.datasets.bigearthnet.Builder
Versions :
-
1.0.0
(par défaut) : nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
-
Taille du téléchargement :
65.22 GiB
Mise en cache automatique ( documentation ): Non
Fractionnements :
Diviser | Exemples |
---|---|
'train' | 590 326 |
- Citation :
@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 (configuration par défaut)
Description de la configuration : Canaux Sentinel-2 RVB
Taille du jeu de données :
14.07 GiB
Structure des fonctionnalités :
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),
}),
})
- Documentation des fonctionnalités :
Caractéristique | Classer | Forme | Dtype | La description |
---|---|---|---|---|
FonctionnalitésDict | ||||
nom de fichier | Texte | chaîne de caractères | ||
image | Image | (120, 120, 3) | uint8 | |
Étiquettes | Séquence(ClassLabel) | (Aucun,) | int64 | |
métadonnées | FonctionnalitésDict | |||
metadata/acquisition_date | Texte | chaîne de caractères | ||
métadonnées/coordonnées | FonctionnalitésDict | |||
métadonnées/coordonnées/lrx | Tenseur | int64 | ||
métadonnées/coordonnées/lry | Tenseur | int64 | ||
métadonnées/coordonnées/ulx | Tenseur | int64 | ||
métadonnées/coordonnées/uly | Tenseur | int64 | ||
métadonnées/projection | Texte | chaîne de caractères | ||
métadonnées/tuile_source | Texte | chaîne de caractères |
Clés supervisées (Voir
as_supervised
doc ):('image', 'labels')
Figure ( tfds.show_examples ):
- Exemples ( tfds.as_dataframe ):
bigearthnet/tous
Description de la configuration : 13 canaux Sentinel-2
Taille du jeu de données :
176.63 GiB
Structure des fonctionnalités :
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),
}),
})
- Documentation des fonctionnalités :
Caractéristique | Classer | Forme | Dtype | La description |
---|---|---|---|---|
FonctionnalitésDict | ||||
B01 | Tenseur | (20, 20) | float32 | |
B02 | Tenseur | (120, 120) | float32 | |
B03 | Tenseur | (120, 120) | float32 | |
B04 | Tenseur | (120, 120) | float32 | |
B05 | Tenseur | (60, 60) | float32 | |
B06 | Tenseur | (60, 60) | float32 | |
B07 | Tenseur | (60, 60) | float32 | |
B08 | Tenseur | (120, 120) | float32 | |
B09 | Tenseur | (20, 20) | float32 | |
B11 | Tenseur | (60, 60) | float32 | |
B12 | Tenseur | (60, 60) | float32 | |
B8A | Tenseur | (60, 60) | float32 | |
nom de fichier | Texte | chaîne de caractères | ||
Étiquettes | Séquence(ClassLabel) | (Aucun,) | int64 | |
métadonnées | FonctionnalitésDict | |||
metadata/acquisition_date | Texte | chaîne de caractères | ||
métadonnées/coordonnées | FonctionnalitésDict | |||
métadonnées/coordonnées/lrx | Tenseur | int64 | ||
métadonnées/coordonnées/lry | Tenseur | int64 | ||
métadonnées/coordonnées/ulx | Tenseur | int64 | ||
métadonnées/coordonnées/uly | Tenseur | int64 | ||
métadonnées/projection | Texte | chaîne de caractères | ||
métadonnées/tuile_source | Texte | chaîne de caractères |
Clés supervisées (Voir
as_supervised
doc ):None
Figure ( tfds.show_examples ) : non pris en charge.
Exemples ( tfds.as_dataframe ):