bigearthnet

• شرح :

BigEarthNet یک آرشیو معیار جدید Sentinel-2 در مقیاس بزرگ است که از 590326 وصله تصویر Sentinel-2 تشکیل شده است. اندازه پچ تصویر روی زمین 1.2 x 1.2 کیلومتر با اندازه تصویر متغیر بسته به وضوح کانال است. این مجموعه داده چند برچسبی با 43 برچسب نامتعادل است.

برای ساخت BigEarthNet، 125 کاشی Sentinel-2 که بین ژوئن 2017 تا مه 2018 از 10 کشور اروپا (اتریش، بلژیک، فنلاند، ایرلند، کوزوو، لیتوانی، لوکزامبورگ، پرتغال، صربستان، سوئیس) از اروپا خریداری شدند، در ابتدا انتخاب شدند. تمام کاشی ها از نظر جوی توسط ابزار تولید و قالب بندی محصول Sentinel-2 Level 2A (sen2cor) اصلاح شدند. سپس، آنها به 590326 وصله تصویر غیر همپوشانی تقسیم شدند. هر وصله تصویری توسط چندین کلاس پوشش زمین (یعنی چند برچسب) که از پایگاه داده CORINE Land Cover سال 2018 (CLC 2018) ارائه شده بود، حاشیه نویسی شد.

باندها و وضوح پیکسل بر حسب متر:

• B01: آئروسل ساحلی. 60 متر
• B02: آبی؛ 10 متر
• B03: سبز؛ 10 متر
• B04: قرمز؛ 10 متر
• B05: لبه قرمز گیاهی. 20 متر
• B06: لبه قرمز گیاهی. 20 متر
• B07: لبه قرمز گیاهی. 20 متر
• B08: NIR; 10 متر
• B09: بخار آب؛ 60 متر
• B11: SWIR; 20 متر
• B12: SWIR; 20 متر
• B8A: NIR باریک. 20 متر

مجوز: توافقنامه مجوز داده های جامعه - مجاز، نسخه 1.0.

آدرس اینترنتی: http://bigearth.net/

• اسناد اضافی : کاوش در کاغذها با کد north_east

• صفحه اصلی : http://bigearth.net

• کد منبع : tfds.datasets.bigearthnet.Builder

• نسخه ها :

  • 1.0.0 (پیش‌فرض): API تقسیم جدید ( https://tensorflow.org/datasets/splits )

• حجم دانلود : 65.22 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیمات :

• نقل قول :

@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 (پیکربندی پیش‌فرض)

• توضیحات پیکربندی : کانال های Sentinel-2 RGB

• حجم مجموعه داده : 14.07 GiB

• ساختار ویژگی :

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),
    }),
})

• مستندات ویژگی :

• کلیدهای نظارت شده ( به as_supervised مراجعه کنید): ('image', 'labels')

• شکل ( tfds.show_examples ):

• مثال‌ها ( tfds.as_dataframe ):

bigearthnet/all

• توضیحات پیکربندی : 13 کانال Sentinel-2

• حجم مجموعه داده : 176.63 GiB

• ساختار ویژگی :

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),
    }),
})

• مستندات ویژگی :

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):