Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

eurosat

  • opis:

Zbiór danych EuroSAT opiera się na obrazach satelitarnych Sentinel-2 obejmujących 13 pasm spektralnych i składający się z 10 klas z 27000 oznaczonymi i georeferencyjnymi próbkami.

Oferowane są dwa zestawy danych: - rgb: Zawiera tylko optyczne pasma częstotliwości R, G, B zakodowane jako obraz JPEG. - all: Zawiera wszystkie 13 pasm w oryginalnym zakresie wartości (float32).

URL: https://github.com/phelber/eurosat

Podział Przykłady
'train' 27 000
  • cytat:
@misc{helber2017eurosat,
    title={EuroSAT: A Novel Dataset and Deep Learning Benchmark for Land Use and Land Cover Classification},
    author={Patrick Helber and Benjamin Bischke and Andreas Dengel and Damian Borth},
    year={2017},
    eprint={1709.00029},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}

eurosat/rgb (konfiguracja domyślna)

  • Opis config: Sentinel-2 kanały RGB

  • Wielkość pliku: 89.91 MiB

  • Cechy:

FeaturesDict({
    'filename': Text(shape=(), dtype=tf.string),
    'image': Image(shape=(64, 64, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})

Wyobrażanie sobie

eurosat/wszystkie

  • Opis config: 13 Sentinel-2 kanały

  • Wielkość pliku: 1.93 GiB

  • Cechy:

FeaturesDict({
    'filename': Text(shape=(), dtype=tf.string),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
    'sentinel2': Tensor(shape=(64, 64, 13), dtype=tf.float32),
})