एमएल समुदाय दिवस 9 नवंबर है! TensorFlow, JAX से नई जानकारी के लिए हमसे जुड़ें, और अधिक जानें

बिगअर्थनेट

BigEarthNet एक नया बड़े पैमाने का प्रहरी-2 बेंचमार्क संग्रह है, जिसमें 590,326 प्रहरी-2 छवि पैच शामिल हैं। जमीन पर छवि पैच का आकार 1.2 x 1.2 किमी है जिसमें चैनल रिज़ॉल्यूशन के आधार पर परिवर्तनशील छवि आकार होता है। यह एक बहु-लेबल डेटासेट है जिसमें 43 असंतुलित लेबल हैं।

BigEarthNet के निर्माण के लिए, यूरोप के 10 देशों (ऑस्ट्रिया, बेल्जियम, फ़िनलैंड, आयरलैंड, कोसोवो, लिथुआनिया, लक्ज़मबर्ग, पुर्तगाल, सर्बिया, स्विटज़रलैंड) में जून 2017 और मई 2018 के बीच अधिग्रहीत 125 सेंटिनल-2 टाइलों को शुरू में चुना गया था। प्रहरी-2 स्तर 2ए उत्पाद निर्माण और स्वरूपण उपकरण (सेन2कोर) द्वारा सभी टाइलों को वायुमंडलीय रूप से ठीक किया गया था। फिर, उन्हें 590,326 गैर-अतिव्यापी छवि पैच में विभाजित किया गया। प्रत्येक छवि पैच को कई भूमि-आवरण वर्गों (यानी, बहु-लेबल) द्वारा एनोटेट किया गया था जो कि वर्ष 2018 (सीएलसी 2018) के कोरिन लैंड कवर डेटाबेस से प्रदान किए गए थे।

मीटर में बैंड और पिक्सेल रिज़ॉल्यूशन:

  • बी01: तटीय एरोसोल; 60m
  • बी02: नीला; 10मी
  • बी03: हरा; 10मी
  • बी04: लाल; 10मी
  • बी05: वनस्पति लाल किनारा; 20 मीटर
  • बी06: वनस्पति लाल किनारा; 20 मीटर
  • बी07: वनस्पति लाल किनारा; 20 मीटर
  • बी08: एनआईआर; 10मी
  • B09: जल वाष्प; 60m
  • बी 11: SWIR; 20 मीटर
  • बी 12: SWIR; 20 मीटर
  • बी 8 ए: संकीर्ण एनआईआर; 20 मीटर

लाइसेंस: सामुदायिक डेटा लाइसेंस समझौता - अनुमेय, संस्करण 1.0।

यूआरएल: http://bigearth.net/

विभाजित करना उदाहरण
'train' 590,326
  • प्रशस्ति पत्र:
@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}
}

बिगअर्थनेट/आरजीबी (डिफ़ॉल्ट कॉन्फ़िगरेशन)

  • कॉन्फ़िग विवरण: प्रहरी -2 आरजीबी चैनलों

  • विशेषताएं:

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),
    }),
})

VISUALIZATION

बिगअर्थनेट/सभी

  • कॉन्फ़िग विवरण: 13 प्रहरी-2 चैनल

  • विशेषताएं:

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),
    }),
})