DynamicEarthNet：用于语义变化分割的每日多光谱卫星数据集
计算机视觉与模式识别
2022-03-24 v1
摘要
地球观测是监测特定感兴趣区域土地利用演变的基本工具。在此背景下，观测并精确定义变化需要时间序列数据与像素级分割。为此，我们提出DynamicEarthNet数据集，其包含来自Planet Labs的、分布于全球75个选定感兴趣区域的每日多光谱卫星观测。这些观测配有7类土地利用与土地覆盖（LULC）的像素级月度语义分割标签。DynamicEarthNet是首个提供每日测量与高质量标签这一独特组合的数据集。在我们的实验中，我们比较了几种已有基线方法，它们或将每日观测作为额外训练数据（半监督学习），或一次性利用多次观测（时空学习），作为未来研究的参考点。最后，我们提出一种新的评估度量SCS，以应对时间序列语义变化分割相关的特定挑战。数据可在 https://mediatum.ub.tum.de/1650201 获取。
引用
@article{arxiv.2203.12560,
title = {DynamicEarthNet: Daily Multi-Spectral Satellite Dataset for Semantic Change Segmentation},
author = {Aysim Toker and Lukas Kondmann and Mark Weber and Marvin Eisenberger and Andrés Camero and Jingliang Hu and Ariadna Pregel Hoderlein and Çağlar Şenaras and Timothy Davis and Daniel Cremers and Giovanni Marchisio and Xiao Xiang Zhu and Laura Leal-Taixé},
journal= {arXiv preprint arXiv:2203.12560},
year = {2022}
}
备注
Accepted to CVPR 2022, evaluation webpage: https://codalab.lisn.upsaclay.fr/competitions/2882