BigEarthNet：用于遥感图像理解的大规模基准档案库
计算机视觉与模式识别
2019-11-26 v3
摘要
本文提出BigEarthNet，这是一个新的大规模多标签Sentinel-2基准档案库。BigEarthNet由590,326个Sentinel-2图像块组成，每个图像块分别为：i) 10米波段120x120像素；ii) 20米波段60x60像素；iii) 60米波段20x20像素的区块。与大多数现有档案库不同，每个图像块由多个土地覆盖类别（即多标签）标注，这些标签来自2018年CORINE土地覆盖数据库（CLC 2018）。BigEarthNet在规模上显著大于遥感(RS)领域现有档案库，因而更便于用作深度学习中的训练源。本文首先阐述现有档案库的局限性，然后描述BigEarthNet的特性。在RS图像场景分类问题框架下获得的实验结果表明，在BigEarthNet上训练的浅层卷积神经网络(CNN)架构相比在ImageNet（计算机视觉中非常流行的大规模基准档案库）上预训练的先进CNN模型提供了高得多的精度。BigEarthNet为推进海量Sentinel-2图像档案中的业务化RS应用与研究开辟了有前景的方向。
引用
@article{arxiv.1902.06148,
title = {BigEarthNet: A Large-Scale Benchmark Archive For Remote Sensing Image Understanding},
author = {Gencer Sumbul and Marcela Charfuelan and Begüm Demir and Volker Markl},
journal= {arXiv preprint arXiv:1902.06148},
year = {2019}
}
备注
Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2019