Ben-ge：以地理与环境数据扩展 BigEarthNet
计算机视觉与模式识别
2023-07-06 v1
摘要
深度学习方法已被证明是分析大量复杂地球观测数据的有力工具。然而，尽管地球观测数据在大多数情况下是多模态的，通常仅考虑单一或少数模态。在本工作中，我们提出 ben-ge 数据集，它通过汇编自由且全球可用的地理与环境数据来补充 BigEarthNet-MM 数据集。基于该数据集，我们展示了结合不同数据模态用于基于图块的土地利用/土地覆盖分类与土地利用/土地覆盖分割等下游任务的价值。ben-ge 免费可用，并有望作为全监督与自监督地球观测应用的测试平台。
引用
@article{arxiv.2307.01741,
title = {Ben-ge: Extending BigEarthNet with Geographical and Environmental Data},
author = {Michael Mommert and Nicolas Kesseli and Joëlle Hanna and Linus Scheibenreif and Damian Borth and Begüm Demir},
journal= {arXiv preprint arXiv:2307.01741},
year = {2023}
}
备注
Accepted for presentation at the IEEE International Geoscience and Remote Sensing Symposium 2023