- বর্ণনা :
BigEarthNet হল একটি নতুন বড় আকারের সেন্টিনেল-2 বেঞ্চমার্ক আর্কাইভ, এতে 590,326টি সেন্টিনেল-2 ইমেজ প্যাচ রয়েছে। চ্যানেল রেজোলিউশনের উপর নির্ভর করে ভেরিয়েবল ইমেজ সাইজ সহ মাটিতে চিত্র প্যাচের আকার 1.2 x 1.2 কিমি। এটি 43টি ভারসাম্যহীন লেবেল সহ একটি মাল্টি-লেবেল ডেটাসেট৷
BigEarthNet নির্মাণের জন্য, ইউরোপের 10টি দেশে (অস্ট্রিয়া, বেলজিয়াম, ফিনল্যান্ড, আয়ারল্যান্ড, কসোভো, লিথুয়ানিয়া, লুক্সেমবার্গ, পর্তুগাল, সার্বিয়া, সুইজারল্যান্ড) জুন 2017 থেকে মে 2018-এর মধ্যে অর্জিত 125টি সেন্টিনেল-2 টাইলস প্রাথমিকভাবে নির্বাচন করা হয়েছিল। সেন্টিনেল-2 লেভেল 2A প্রোডাক্ট জেনারেশন এবং ফরম্যাটিং টুল (sen2cor) দ্বারা সমস্ত টাইল বায়ুমণ্ডলীয়ভাবে সংশোধন করা হয়েছিল। তারপর, তারা 590,326 নন-ওভারল্যাপিং ইমেজ প্যাচে বিভক্ত ছিল। প্রতিটি চিত্র প্যাচ একাধিক ল্যান্ড-কভার ক্লাস (অর্থাৎ, মাল্টি-লেবেল) দ্বারা টীকা করা হয়েছিল যা 2018 সালের CORINE ল্যান্ড কভার ডাটাবেস (CLC 2018) থেকে সরবরাহ করা হয়েছিল।
মিটারে ব্যান্ড এবং পিক্সেল রেজোলিউশন:
- B01: উপকূলীয় অ্যারোসল; 60 মি
- B02: নীল; 10 মি
- B03: সবুজ; 10 মি
- B04: লাল; 10 মি
- B05: উদ্ভিজ্জ লাল প্রান্ত; 20 মি
- B06: উদ্ভিজ্জ লাল প্রান্ত; 20 মি
- B07: উদ্ভিজ্জ লাল প্রান্ত; 20 মি
- B08: NIR; 10 মি
- B09: জলীয় বাষ্প; 60 মি
- B11: SWIR; 20 মি
- B12: SWIR; 20 মি
- B8A: সংকীর্ণ NIR; 20 মি
লাইসেন্স: কমিউনিটি ডেটা লাইসেন্স চুক্তি - অনুমোদনযোগ্য, সংস্করণ 1.0।
URL: http://bigearth.net/
হোমপেজ : http://bigearth.net
সোর্স কোড :
tfds.datasets.bigearthnet.Builder
সংস্করণ :
-
1.0.0
(ডিফল্ট): নতুন স্প্লিট API ( https://tensorflow.org/datasets/splits )
-
ডাউনলোড আকার :
65.22 GiB
স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না
বিভাজন :
বিভক্ত | উদাহরণ |
---|---|
'train' | 590,326 |
- উদ্ধৃতি :
@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 (ডিফল্ট কনফিগারেশন)
কনফিগারেশনের বিবরণ : সেন্টিনেল-২ আরজিবি চ্যানেল
ডেটাসেটের আকার :
14.07 GiB
বৈশিষ্ট্য গঠন :
FeaturesDict({
'filename': Text(shape=(), dtype=string),
'image': Image(shape=(120, 120, 3), dtype=uint8),
'labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=43)),
'metadata': FeaturesDict({
'acquisition_date': Text(shape=(), dtype=string),
'coordinates': FeaturesDict({
'lrx': int64,
'lry': int64,
'ulx': int64,
'uly': int64,
}),
'projection': Text(shape=(), dtype=string),
'tile_source': Text(shape=(), dtype=string),
}),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
ফাইলের নাম | পাঠ্য | স্ট্রিং | ||
ইমেজ | ছবি | (120, 120, 3) | uint8 | |
লেবেল | সিকোয়েন্স (ক্লাসলেবেল) | (কোনটিই নয়,) | int64 | |
মেটাডেটা | ফিচারসডিক্ট | |||
মেটাডেটা/অধিগ্রহণ_তারিখ | পাঠ্য | স্ট্রিং | ||
মেটাডেটা/স্থানাঙ্ক | ফিচারসডিক্ট | |||
মেটাডেটা/কোঅর্ডিনেটস/এলআরএক্স | টেনসর | int64 | ||
মেটাডেটা/স্থানাঙ্ক/lry | টেনসর | int64 | ||
মেটাডেটা/সমন্বয়/উলএক্স | টেনসর | int64 | ||
মেটাডেটা/সমন্বয়/উলি | টেনসর | int64 | ||
মেটাডেটা/প্রজেকশন | পাঠ্য | স্ট্রিং | ||
মেটাডেটা/টাইল_সোর্স | পাঠ্য | স্ট্রিং |
তত্ত্বাবধান করা কী (দেখুন
as_supervised
doc ):('image', 'labels')
চিত্র ( tfds.show_examples ):
- উদাহরণ ( tfds.as_dataframe ):
bigearthnet/সমস্ত
কনফিগারেশনের বিবরণ : 13টি সেন্টিনেল-2 চ্যানেল
ডেটাসেটের আকার :
176.63 GiB
বৈশিষ্ট্য গঠন :
FeaturesDict({
'B01': Tensor(shape=(20, 20), dtype=float32),
'B02': Tensor(shape=(120, 120), dtype=float32),
'B03': Tensor(shape=(120, 120), dtype=float32),
'B04': Tensor(shape=(120, 120), dtype=float32),
'B05': Tensor(shape=(60, 60), dtype=float32),
'B06': Tensor(shape=(60, 60), dtype=float32),
'B07': Tensor(shape=(60, 60), dtype=float32),
'B08': Tensor(shape=(120, 120), dtype=float32),
'B09': Tensor(shape=(20, 20), dtype=float32),
'B11': Tensor(shape=(60, 60), dtype=float32),
'B12': Tensor(shape=(60, 60), dtype=float32),
'B8A': Tensor(shape=(60, 60), dtype=float32),
'filename': Text(shape=(), dtype=string),
'labels': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=43)),
'metadata': FeaturesDict({
'acquisition_date': Text(shape=(), dtype=string),
'coordinates': FeaturesDict({
'lrx': int64,
'lry': int64,
'ulx': int64,
'uly': int64,
}),
'projection': Text(shape=(), dtype=string),
'tile_source': Text(shape=(), dtype=string),
}),
})
- বৈশিষ্ট্য ডকুমেন্টেশন :
বৈশিষ্ট্য | ক্লাস | আকৃতি | ডিটাইপ | বর্ণনা |
---|---|---|---|---|
ফিচারসডিক্ট | ||||
B01 | টেনসর | (20, 20) | float32 | |
B02 | টেনসর | (120, 120) | float32 | |
B03 | টেনসর | (120, 120) | float32 | |
B04 | টেনসর | (120, 120) | float32 | |
B05 | টেনসর | (60, 60) | float32 | |
B06 | টেনসর | (60, 60) | float32 | |
B07 | টেনসর | (60, 60) | float32 | |
B08 | টেনসর | (120, 120) | float32 | |
B09 | টেনসর | (20, 20) | float32 | |
B11 | টেনসর | (60, 60) | float32 | |
B12 | টেনসর | (60, 60) | float32 | |
B8A | টেনসর | (60, 60) | float32 | |
ফাইলের নাম | পাঠ্য | স্ট্রিং | ||
লেবেল | সিকোয়েন্স (ক্লাসলেবেল) | (কোনটিই নয়,) | int64 | |
মেটাডেটা | ফিচারসডিক্ট | |||
মেটাডেটা/অধিগ্রহণ_তারিখ | পাঠ্য | স্ট্রিং | ||
মেটাডেটা/স্থানাঙ্ক | ফিচারসডিক্ট | |||
মেটাডেটা/কোঅর্ডিনেটস/এলআরএক্স | টেনসর | int64 | ||
মেটাডেটা/স্থানাঙ্ক/lry | টেনসর | int64 | ||
মেটাডেটা/সমন্বয়/উলএক্স | টেনসর | int64 | ||
মেটাডেটা/সমন্বয়/উলি | টেনসর | int64 | ||
মেটাডেটা/প্রজেকশন | পাঠ্য | স্ট্রিং | ||
মেটাডেটা/টাইল_সোর্স | পাঠ্য | স্ট্রিং |
তত্ত্বাবধান করা কী (দেখুন
as_supervised
doc ):None
চিত্র ( tfds.show_examples ): সমর্থিত নয়।
উদাহরণ ( tfds.as_dataframe ):