面向深度学习作物分类与分割的 Sentinel-2 多年多国基准数据集
计算机视觉与模式识别
2026-01-14 v2
摘要
在本工作中,我们介绍 Sen4AgriNet,一个基于 Sentinel-2 的时序多国基准数据集,专为机器学习与深度学习的农业监测应用而设计。Sen4AgriNet 数据集由通过地块识别系统(LPIS)收集的农户申报数据标注,以实现全国范围标签的协调。这些申报数据近期才作为开放数据发布,使得首次得以用地面真值数据标注卫星影像。我们进而提出并标准化了一套跨欧洲的新型作物类型分类法,基于联合国粮食及农业组织(FAO)指示性作物分类方案,以满足共同农业政策(CAP)需求。Sen4AgriNet 是唯一的跨国、多年的包含全部光谱信息的数据集。其构建覆盖加泰罗尼亚与法国 2016–2020 年时段,并可扩展纳入更多国家。目前它包含 4250 万个地块,显著大于其他可用档案。我们提取两个子数据集以彰显其在多样深度学习应用中的价值:对象聚合数据集(OAD)与地块组装数据集(PAD)。OAD 利用各地块的带状统计,从而创建用于分类算法的强有力标签到特征实例。另一方面,PAD 的结构将分类问题推广至地块提取与语义分割及标注。OAD 与 PAD 在三种不同场景下被检验,以展示并建模不同年份与不同国家间空间与时间可变性的影响。
引用
@article{arxiv.2204.00951,
title = {A Sentinel-2 multi-year, multi-country benchmark dataset for crop classification and segmentation with deep learning},
author = {Dimitrios Sykas and Maria Sdraka and Dimitrios Zografakis and Ioannis Papoutsis},
journal= {arXiv preprint arXiv:2204.00951},
year = {2026}
}
备注
This work has been accepted for publication in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing