ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

bigearthnet

BigEarthNet เป็นไฟล์วัดประสิทธิภาพ Sentinel-2 ขนาดใหญ่ใหม่ ซึ่งประกอบด้วยแพตช์ภาพ Sentinel-2 590,326 รายการ ขนาดแพตช์รูปภาพบนพื้นคือ 1.2 x 1.2 กม. โดยมีขนาดรูปภาพที่เปลี่ยนแปลงได้ขึ้นอยู่กับความละเอียดของช่อง นี่คือชุดข้อมูลหลายป้ายกำกับที่มีป้ายกำกับไม่สมดุล 43 รายการ

ในการสร้าง BigEarthNet นั้น กระเบื้อง Sentinel-2 125 ชิ้นที่ได้มาระหว่างเดือนมิถุนายน 2017 ถึงพฤษภาคม 2018 ใน 10 ประเทศ (ออสเตรีย เบลเยียม ฟินแลนด์ ไอร์แลนด์ โคโซโว ลิทัวเนีย ลักเซมเบิร์ก โปรตุเกส เซอร์เบีย สวิตเซอร์แลนด์) ได้รับการคัดเลือกในขั้นต้น กระเบื้องทั้งหมดได้รับการแก้ไขในบรรยากาศโดยเครื่องมือสร้างและจัดรูปแบบผลิตภัณฑ์ Sentinel-2 ระดับ 2A (sen2cor) จากนั้นจึงแบ่งออกเป็นแพตช์รูปภาพที่ไม่ซ้อนทับกัน 590,326 รายการ แต่ละภาพปะติดปะต่อโดยการแบ่งชั้นที่ดินหลายชั้น (เช่น ป้ายหลายป้าย) ที่ได้มาจากฐานข้อมูล CORINE Land Cover ของปี 2018 (CLC 2018)

แบนด์และความละเอียดพิกเซลเป็นเมตร:

  • B01: ละอองลอยชายฝั่ง; 60m
  • B02: ฟ้า; 10m
  • B03: สีเขียว; 10m
  • B04: แดง; 10m
  • B05: ขอบสีแดงของพืชพรรณ; 20m
  • B06: ขอบสีแดงของพืชพรรณ; 20m
  • B07: ขอบสีแดงของพืชพรรณ; 20m
  • B08: NIR; 10m
  • B09: ไอน้ำ; 60m
  • B11: SWIR; 20m
  • B12: SWIR; 20m
  • B8A: NIR แคบ; 20m

ใบอนุญาต: ข้อตกลงสิทธิ์ใช้งานข้อมูลชุมชน - อนุญาต เวอร์ชัน 1.0

URL: http://bigearth.net/

แยก ตัวอย่าง
'train' 590,326
  • อ้างอิง:
@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 (การกำหนดค่าเริ่มต้น)

  • คำอธิบาย Config: Sentinel-2 ช่อง RGB

  • คุณสมบัติ:

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),
    }),
})

การสร้างภาพ

bigearthnet/ทั้งหมด

  • คำอธิบาย Config: 13 Sentinel-2 ช่อง

  • คุณสมบัติ:

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),
    }),
})