bigearthnet

با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

BigEarthNet یک آرشیو معیار جدید Sentinel-2 در مقیاس بزرگ است که از 590326 وصله تصویر Sentinel-2 تشکیل شده است. اندازه پچ تصویر روی زمین 1.2 x 1.2 کیلومتر با اندازه تصویر متغیر بسته به وضوح کانال است. این مجموعه داده چند برچسبی با 43 برچسب نامتعادل است.

برای ساخت BigEarthNet، 125 کاشی Sentinel-2 که بین ژوئن 2017 تا مه 2018 از 10 کشور اروپا (اتریش، بلژیک، فنلاند، ایرلند، کوزوو، لیتوانی، لوکزامبورگ، پرتغال، صربستان، سوئیس) از اروپا خریداری شدند، در ابتدا انتخاب شدند. تمام کاشی ها از نظر جوی توسط ابزار تولید و قالب بندی محصول Sentinel-2 Level 2A (sen2cor) اصلاح شدند. سپس، آنها به 590326 وصله تصویر غیر همپوشانی تقسیم شدند. هر وصله تصویری توسط چندین کلاس پوشش زمین (یعنی چند برچسب) که از پایگاه داده CORINE Land Cover سال 2018 (CLC 2018) ارائه شده بود، حاشیه نویسی شد.

باندها و وضوح پیکسل بر حسب متر:

  • B01: آئروسل ساحلی. 60 متر
  • B02: آبی؛ 10 متر
  • B03: سبز؛ 10 متر
  • B04: قرمز؛ 10 متر
  • B05: لبه قرمز گیاهی. 20 متر
  • B06: لبه قرمز گیاهی. 20 متر
  • B07: لبه قرمز گیاهی. 20 متر
  • B08: NIR; 10 متر
  • B09: بخار آب؛ 60 متر
  • B11: SWIR; 20 متر
  • B12: SWIR; 20 متر
  • B8A: NIR باریک. 20 متر

مجوز: توافقنامه مجوز داده های جامعه - مجاز، نسخه 1.0.

آدرس اینترنتی: http://bigearth.net/

شکاف مثال ها
'train' 590,326
  • نقل قول :
@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 (پیکربندی پیش‌فرض)

  • توضیحات پیکربندی : کانال های Sentinel-2 RGB

  • حجم مجموعه داده : 14.07 GiB

  • ساختار ویژگی :

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),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
نام فایل متن رشته
تصویر تصویر (120، 120، 3) uint8
برچسب ها دنباله (ClassLabel) (هیچ یک،) int64
فراداده FeaturesDict
فراداده/تاریخ_اکتساب متن رشته
فراداده / مختصات FeaturesDict
فراداده/مختصات/lrx تانسور int64
فراداده / مختصات / lry تانسور int64
فراداده / مختصات / ulx تانسور int64
فراداده / مختصات / اولی تانسور int64
فراداده / طرح ریزی متن رشته
ابرداده/منبع_tile متن رشته

تجسم

bigearthnet/همه

  • توضیحات پیکربندی : 13 کانال Sentinel-2

  • حجم مجموعه داده : 176.63 GiB

  • ساختار ویژگی :

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),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
B01 تانسور (20، 20) float32
B02 تانسور (120، 120) float32
B03 تانسور (120، 120) float32
B04 تانسور (120، 120) float32
B05 تانسور (60، 60) float32
B06 تانسور (60، 60) float32
B07 تانسور (60، 60) float32
B08 تانسور (120، 120) float32
B09 تانسور (20، 20) float32
B11 تانسور (60، 60) float32
B12 تانسور (60، 60) float32
B8A تانسور (60، 60) float32
نام فایل متن رشته
برچسب ها دنباله (ClassLabel) (هیچ یک،) int64
فراداده FeaturesDict
فراداده/تاریخ_اکتساب متن رشته
فراداده / مختصات FeaturesDict
فراداده/مختصات/lrx تانسور int64
فراداده / مختصات / lry تانسور int64
فراداده / مختصات / ulx تانسور int64
فراداده / مختصات / اولی تانسور int64
فراداده / طرح ریزی متن رشته
ابرداده/منبع_tile متن رشته