grantierranet

• Visualización : Explore en Know Your Data north_east

• Descripción :

BigEarthNet es un nuevo archivo de referencia de Sentinel-2 a gran escala, que consta de 590 326 parches de imágenes de Sentinel-2. El tamaño del parche de imagen en el suelo es de 1,2 x 1,2 km con un tamaño de imagen variable según la resolución del canal. Este es un conjunto de datos de múltiples etiquetas con 43 etiquetas desequilibradas.

Para construir BigEarthNet, se seleccionaron inicialmente 125 mosaicos Sentinel-2 adquiridos entre junio de 2017 y mayo de 2018 en los 10 países (Austria, Bélgica, Finlandia, Irlanda, Kosovo, Lituania, Luxemburgo, Portugal, Serbia, Suiza) de Europa. Todos los mosaicos fueron corregidos atmosféricamente por la herramienta de generación y formateo de productos Sentinel-2 Nivel 2A (sen2cor). Luego, se dividieron en 590 326 parches de imágenes que no se superponen. Cada parche de imagen fue anotado por las múltiples clases de cobertura terrestre (es decir, etiquetas múltiples) que se proporcionaron desde la base de datos de cobertura terrestre de CORINE del año 2018 (CLC 2018).

Bandas y resolución de píxeles en metros:

• B01: Aerosol costero; 60m
• B02: Azul; 10m
• B03: Verde; 10m
• B04: rojo; 10m
• B05: borde rojo de la vegetación; 20m
• B06: borde rojo de la vegetación; 20m
• B07: borde rojo de la vegetación; 20m
• B08: NIR; 10m
• B09: Vapor de agua; 60m
• B11: SWIR; 20m
• B12: SWIR; 20m
• B8A: NIR estrecho; 20m

Licencia: Acuerdo de licencia de datos comunitarios: permisivo, versión 1.0.

URL: http://bigearth.net/

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio: http://bigearth.net

• Código fuente : tfds.datasets.bigearthnet.Builder

• Versiones :

  • 1.0.0 (predeterminado): nueva API dividida ( https://tensorflow.org/datasets/splits )

• Tamaño de descarga : 65.22 GiB

• Almacenamiento automático en caché ( documentación ): No

• Divisiones :

• Cita :

@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 (configuración predeterminada)

• Descripción de la configuración : Sentinel-2 canales RGB

• Tamaño del conjunto de datos : 14.07 GiB

• Estructura de características :

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),
    }),
})

• Documentación de características :

• Claves supervisadas (ver documento as_supervised ): ('image', 'labels')

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

bigearthnet/todos

• Descripción de la configuración : 13 canales Sentinel-2

• Tamaño del conjunto de datos : 176.63 GiB

• Estructura de características :

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),
    }),
})

• Documentación de características :

• Claves supervisadas (Ver as_supervised doc ): None

• Figura ( tfds.show_examples ): no compatible.

• Ejemplos ( tfds.as_dataframe ):