لدي سؤال؟ تواصل مع المجتمع في منتدى زيارة منتدى TensorFlow

bigearthnet

The BigEarthNet هو أرشيف معياري جديد واسع النطاق لـ Sentinel-2 ، ويتألف من 590326 تصحيح صورة Sentinel-2. حجم تصحيح الصورة على الأرض هو 1.2 × 1.2 كم مع حجم صورة متغير حسب دقة القناة. هذه مجموعة بيانات متعددة التسميات تحتوي على 43 تسمية غير متوازنة.

لإنشاء BigEarthNet ، تم في البداية اختيار 125 بلاطة Sentinel-2 التي تم الحصول عليها بين يونيو 2017 ومايو 2018 عبر 10 دول (النمسا وبلجيكا وفنلندا وأيرلندا وكوسوفو وليتوانيا ولوكسمبورغ والبرتغال وصربيا وسويسرا) في أوروبا. تم تصحيح جميع المربعات جوًا بواسطة أداة إنشاء وتنسيق منتج Sentinel-2 Level 2A (sen2cor). بعد ذلك ، تم تقسيمهم إلى 590326 رقعة صور غير متداخلة. تم شرح كل رقعة صورة من خلال فئات الغطاء الأرضي المتعددة (أي الملصقات المتعددة) التي تم توفيرها من قاعدة بيانات CORINE Land Cover لعام 2018 (CLC 2018).

النطاقات ودقة البكسل بالأمتار:

  • B01: الهباء الساحلي ؛ 60 م
  • B02: أزرق ؛ 10 م
  • B03: أخضر ؛ 10 م
  • B04: أحمر ؛ 10 م
  • B05: حافة نباتية حمراء ؛ 20 م
  • B06: حافة نباتية حمراء ؛ 20 م
  • B07: حافة نباتية حمراء ؛ 20 م
  • B08: نير ؛ 10 م
  • B09: بخار الماء ؛ 60 م
  • B11: SWIR ؛ 20 م
  • B12: SWIR ؛ 20 م
  • B8A: ضيق NIR ؛ 20 م

الترخيص: اتفاقية ترخيص بيانات المجتمع - مسموح بها ، الإصدار 1.0.

URL: http://bigearth.net/

انشق، مزق أمثلة
'train' 590326
  • الاقتباس :
@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 (التكوين الافتراضي)

  • وصف التكوين : قنوات Sentinel-2 RGB

  • الميزات :

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),
    }),
})

التصور

bigearthnet / الكل

  • وصف التكوين : 13 قناة Sentinel-2

  • الميزات :

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),
    }),
})