具有新类别命名体系的 BigEarthNet 遥感图像理解数据集
计算机视觉与模式识别
2021-06-15 v3
摘要
本文提出 BigEarthNet，这是一个大规模 Sentinel-2 多光谱图像数据集，带有一种新的类别命名体系，以推进遥感(RS)中的深度学习(DL)研究。BigEarthNet 由 590,326 个图像块组成，这些图像块根据 2018 年 CORINE 土地覆盖(CLC)地图最具主题细节的 Level-3 类别命名体系提供了多标签标注。初步研究表明，仅考虑 Sentinel-2 图像时，某些 CLC 类别难以被准确描述。为提高 BigEarthNet 的有效性，本文引入了一种替代类别命名体系，以使 DL 模型更好地学习和描述 Sentinel-2 图像的复杂空间与光谱信息内容。这是通过基于 Sentinel-2 图像的特性对 CLC Level-3 命名体系进行解读和重组，形成包含 19 个类别的新命名体系来实现的。随后，在多头分类背景下，将 BigEarthNet 的新类别命名体系用于最先进的 DL 模型。结果表明，在 BigEarthNet 上从头训练的模型优于在 ImageNet 上预训练的模型，尤其是在涉及农业、其他植被和自然环境的某些复杂类别方面。所有 DL 模型均已公开于 http://bigearth.net/#downloads，为引导未来 RS 图像分析的进展提供了重要资源。
引用
@article{arxiv.2001.06372,
title = {BigEarthNet Dataset with A New Class-Nomenclature for Remote Sensing Image Understanding},
author = {Gencer Sumbul and Jian Kang and Tristan Kreuziger and Filipe Marcelino and Hugo Costa and Pedro Benevides and Mario Caetano and Begüm Demir},
journal= {arXiv preprint arXiv:2001.06372},
year = {2021}
}
备注
This paper has been withdrawn by the authors. This paper has been superseded by arXiv:2105.07921