Halaman ini diterjemahkan oleh Cloud Translation API.
Switch to English

bigearthnet

  • Deskripsi :

BigEarthNet adalah arsip benchmark Sentinel-2 berskala besar baru, yang terdiri dari 590.326 Sentinel-2 image patch. Ukuran patch gambar di lapangan adalah 1.2 x 1.2 km dengan ukuran gambar yang bervariasi tergantung pada resolusi saluran. Ini adalah kumpulan data multi-label dengan 43 label tidak seimbang.

Untuk membangun BigEarthNet, 125 ubin Sentinel-2 yang diperoleh antara Juni 2017 dan Mei 2018 di 10 negara (Austria, Belgia, Finlandia, Irlandia, Kosovo, Lituania, Luksemburg, Portugal, Serbia, Swiss) di Eropa pada awalnya dipilih. Semua ubin dikoreksi secara atmosferik oleh alat pembuat dan pemformatan produk Sentinel-2 Level 2A (sen2cor). Kemudian, mereka dibagi menjadi 590.326 patch gambar yang tidak tumpang tindih. Setiap patch citra diberi keterangan oleh beberapa kelas tutupan lahan (mis., Multi-label) yang disediakan dari database Penutup Lahan CORINE tahun 2018 (CLC 2018).

Band dan resolusi piksel dalam meter:

  • B01: Aerosol pantai; 60m
  • B02: Biru; 10 m
  • B03: Hijau; 10 m
  • B04: Merah; 10 m
  • B05: Vegetasi tepi merah; 20m
  • B06: Vegetasi tepi merah; 20m
  • B07: Vegetasi tepi merah; 20m
  • B08: NIR; 10 m
  • B09: Uap air; 60m
  • B11: SWIR; 20m
  • B12: SWIR; 20m
  • B8A: NIR Sempit; 20m

Lisensi: Perjanjian Lisensi Data Komunitas - Permisif, Versi 1.0.

URL: http://bigearth.net/

Membagi Contoh
'train' 590.326
  • Kutipan :
@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 (konfigurasi default)

  • Deskripsi konfigurasi : Saluran RGB Sentinel-2

  • Fitur :

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),
    }),
})

Visualisasi

bigearthnet / all

  • Deskripsi konfigurasi : 13 saluran Sentinel-2

  • Fitur :

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),
    }),
})