bigearthnet

BigEarthNet è un nuovo archivio di benchmark Sentinel-2 su larga scala, composto da 590.326 patch di immagini Sentinel-2. La dimensione dell'immagine a terra è di 1,2 x 1,2 km con dimensioni dell'immagine variabili a seconda della risoluzione del canale. Questo è un set di dati multi-etichetta con 43 etichette sbilanciate.

Per costruire la BigEarthNet, sono state inizialmente selezionate 125 tessere Sentinel-2 acquisite tra giugno 2017 e maggio 2018 nei 10 paesi europei (Austria, Belgio, Finlandia, Irlanda, Kosovo, Lituania, Lussemburgo, Portogallo, Serbia, Svizzera). Tutti i riquadri sono stati corretti dal punto di vista atmosferico dallo strumento di generazione e formattazione del prodotto Sentinel-2 Livello 2A (sen2cor). Quindi, sono stati divisi in 590.326 patch di immagini non sovrapposte. Ogni patch dell'immagine è stata annotata dalle più classi di copertura del suolo (cioè multi-label) fornite dal database CORINE Land Cover dell'anno 2018 (CLC 2018).

Bande e risoluzione pixel in metri:

  • B01: Aerosol costiero; 60 m
  • B02: blu; 10 m
  • B03: Verde; 10 m
  • B04: Rosso; 10 m
  • B05: Bordo rosso della vegetazione; 20 m
  • B06: Bordo rosso della vegetazione; 20 m
  • B07: Bordo rosso della vegetazione; 20 m
  • B08: NIR; 10 m
  • B09: Vapore acqueo; 60 m
  • B11: SWIR; 20 m
  • B12: SWIR; 20 m
  • B8A: NIR stretto; 20 m

Licenza: Accordo di licenza sui dati della comunità - Permissive, versione 1.0.

URL: http://bigearth.net/

Diviso Esempi
'train' 590.326
  • citazione:
@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 (configurazione predefinita)

  • Descrizione Config: Sentinel-2 canali RGB

  • Caratteristiche:

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),
    }),
})

Visualizzazione

bigearthnet/tutti

  • Descrizione Config: 13 Sentinel-2 canali

  • Caratteristiche:

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),
    }),
})