O Dia da Comunidade de ML é dia 9 de novembro! Junte-nos para atualização de TensorFlow, JAX, e mais Saiba mais

bigearthnet

O BigEarthNet é um novo arquivo de benchmark Sentinel-2 em grande escala, consistindo em 590.326 patches de imagem do Sentinel-2. O tamanho do patch da imagem no solo é de 1,2 x 1,2 km com tamanho de imagem variável dependendo da resolução do canal. Este é um conjunto de dados de vários rótulos com 43 rótulos desequilibrados.

Para construir o BigEarthNet, 125 tiles Sentinel-2 adquiridos entre junho de 2017 e maio de 2018 em 10 países (Áustria, Bélgica, Finlândia, Irlanda, Kosovo, Lituânia, Luxemburgo, Portugal, Sérvia, Suíça) da Europa foram inicialmente selecionados. Todos os blocos foram corrigidos atmosféricos pela ferramenta de geração e formatação de produto Sentinel-2 Nível 2A (sen2cor). Em seguida, eles foram divididos em 590.326 manchas de imagem não sobrepostas. Cada fragmento de imagem foi anotado pelas várias classes de cobertura da terra (ou seja, multi-rótulos) que foram fornecidas a partir do banco de dados CORINE Land Cover do ano 2018 (CLC 2018).

Bandas e resolução de pixels em metros:

  • B01: Aerossol costeiro; 60m
  • B02: Azul; 10m
  • B03: Verde; 10m
  • B04: Vermelho; 10m
  • B05: Borda vermelha da vegetação; 20m
  • B06: Borda vermelha da vegetação; 20m
  • B07: Borda vermelha da vegetação; 20m
  • B08: NIR; 10m
  • B09: Vapor de água; 60m
  • B11: SWIR; 20m
  • B12: SWIR; 20m
  • B8A: Narrow NIR; 20m

Licença: Contrato de Licença de Dados da Comunidade - Permissiva, Versão 1.0.

URL: http://bigearth.net/

Dividir Exemplos
'train' 590.326
  • citação:
@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 (configuração padrão)

  • A inscrição Config: Sentinel-2 canais RGB

  • Características:

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),
    }),
})

Visualização

bigearthnet / all

  • Descrição Config: 13 Sentinel-2 canais

  • Características:

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),
    }),
})