BigEarthNet - это новые крупномасштабные эталонные данные геопространственного обучения, состоящие из классов земного покрова с несколькими метками в десяти европейских странах.
Radiant Earth Foundation, лидер в предоставлении доступа к данным геопространственного обучения, рад сообщить о доступности крупномасштабного архива тестов BigEarthNet через Radiant MLHub, первую в мире открытую библиотеку, посвященную наблюдению Земли (EO) данные обучения.
Архив BigEarthNet состоит из 590, 326 фрагментов изображений Sentinel-2 со спектральными полосами с разрешением 10, 20 и 60 метров. Спутниковые изображения были получены в разное время года с июня 2017 года по май 2018 года над Австрией, Бельгией, Финляндией, Ирландией, Косово, Литвой, Люксембургом, Португалией, Сербией и Швейцарией. Каждый участок аннотируется несколькими метками земного покрова, в которых документируется пространственное распределение каждого класса земного покрова в регионе набора данных. Большинство участков изображения содержат не более пяти ярлыков, включая непрерывную городскую структуру, зеленые городские зоны, смешанные леса, прерывистую городскую структуру, неорошаемые пахотные земли, среди 43 других классов из Перечня почвенного покрова CORINE (CLC) 2018.
Архив BigEarthNet значительно больше любого существующего общедоступного набора обучающих данных и открывает многообещающие возможности для продвижения исследований для анализа крупномасштабных архивов геопространственных изображений. Группа анализа изображений дистанционного зондирования (RSiM) и Группа систем баз данных и управления информацией (DIMA) Технического университета Берлина (TU Berlin) создали архив BigEarthNet. Эта работа поддерживается Европейским исследовательским советом в рамках стартового гранта ERC BigEarth и Министерством образования и исследований Германии в качестве Берлинского центра больших данных (BBDC).
Добавление BigEarthNet к данным Radiant MLHub поддерживает видение сообщества о создании глобального репозитория геопространственных данных обучения, которые можно использовать для решения реальных проблем. Radiant MLHub - это облачное решение с возможностью взаимодействия для регистрации и доступа к данным геопространственного обучения. Общие данные доступны через стандартизованный API и, следовательно, могут перемещаться между организациями, правительствами и секторами, чтобы открывать новые возможности для анализа на основе данных. Каталогизируя набор данных BigEarthNet в спецификации SpatioTemporal Asset Catalog (STAC), Radiant MLHub обеспечивает поиск и фильтрацию обучающих данных на основе географического региона, меток земного покрова, наличия облаков и теней в облаках, а также множества других характеристики.
Для получения дополнительной информации о том, как получить доступ к данным, загрузите это практическое руководство, следуйте этой записной книжке и зарегистрируйтесь для доступа к API.
