bigearthnet

• ויזואליזציה : חקור ב- Know Your Data north_east

• תיאור :

ה-BigEarthNet הוא ארכיון חדש בקנה מידה גדול של Sentinel-2 benchmark, המורכב מ-590,326 תיקוני תמונה של Sentinel-2. גודל תיקון התמונה על הקרקע הוא 1.2 על 1.2 ק"מ עם גודל תמונה משתנה בהתאם לרזולוציית הערוץ. זהו מערך נתונים רב תוויות עם 43 תוויות לא מאוזנות.

כדי לבנות את BigEarthNet, נבחרו בתחילה 125 אריחי Sentinel-2 שנרכשו בין יוני 2017 למאי 2018 ב-10 המדינות (אוסטריה, בלגיה, פינלנד, אירלנד, קוסובו, ליטא, לוקסמבורג, פורטוגל, סרביה, שוויץ). כל האריחים תוקנו אטמוספרית על ידי כלי היצירה והעיצוב של המוצר Sentinel-2 Level 2A (sen2cor). לאחר מכן, הם חולקו ל-590,326 תיקוני תמונה שאינם חופפים. כל תיקון תמונה סומן על ידי מחלקות כיסוי הקרקע המרובות (כלומר, תוויות מרובות) שסופקו ממסד הנתונים CORINE Land Cover של שנת 2018 (CLC 2018).

פסים ורזולוציית פיקסלים במטרים:

• B01: אירוסול חופי; 60 מ'
• B02: כחול; 10 מ'
• B03: ירוק; 10 מ'
• B04: אדום; 10 מ'
• B05: קצה אדום של צמחייה; 20 מ'
• B06: קצה אדום של צמחייה; 20 מ'
• B07: קצה אדום צמחי; 20 מ'
• B08: NIR; 10 מ'
• B09: אדי מים; 60 מ'
• B11: SWIR; 20 מ'
• B12: SWIR; 20 מ'
• B8A: NIR צר; 20 מ'

רישיון: הסכם רישיון נתונים קהילתי - מתיר, גרסה 1.0.

כתובת אתר: http://bigearth.net/

• דף הבית : http://bigearth.net

• קוד מקור : tfds.image_classification.Bigearthnet

• גרסאות :

  • 1.0.0 (ברירת מחדל): API חדש מפוצל ( https://tensorflow.org/datasets/splits )

• גודל הורדה : 65.22 GiB

• גודל ערכת נתונים : Unknown size

• שמור אוטומטי במטמון ( תיעוד ): לא ידוע

• פיצולים :

• איור ( tfds.show_examples ): לא נתמך.

• דוגמאות ( tfds.as_dataframe ): חסר.

• ציטוט :

@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 (תצורת ברירת המחדל)

• תיאור תצורה : ערוצי Sentinel-2 RGB

• מבנה תכונה :

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),
    }),
})

• תיעוד תכונה :

• מפתחות בפיקוח (ראה as_supervised doc ): ('image', 'labels')

bigearthnet/הכל

• תיאור תצורה : 13 ערוצי Sentinel-2

• מבנה תכונה :

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),
    }),
})

• תיעוד תכונה :

• מפתחות בפיקוח (ראה as_supervised doc ): None