FLAIR：基于多源光学影像的国家尺度土地覆盖语义分割数据集
计算机视觉与模式识别
2023-10-23 v1 人工智能
摘要
我们介绍了法国航空航天影像土地覆盖数据集（FLAIR），这是来自法国国家地理与森林信息研究所（IGN）的一个大规模数据集，为大规模地理空间分析提供了独特而丰富的资源。FLAIR包含地面采样距离为20 cm的高分辨率航空影像，以及超过200亿个独立标注像素，用于精确的土地覆盖分类。该数据集还集成了来自光学卫星时间序列的时序与光谱数据。因此，FLAIR在代表法国全景观多样性的超过817 km²的采集区域内，融合了具有不同空间、光谱和时间分辨率的数据。这种多样性使FLAIR成为开发和评估大规模土地覆盖语义分割新方法的宝贵资源，并在计算机视觉、数据融合和地理空间分析方面提出了重大挑战。我们还提供了强大的单传感器和多传感器基线模型，可用于评估算法性能及下游应用。通过其规模和标注质量，FLAIR旨在促进对城市扩张、森林砍伐和土壤人工化等关键人为发展指标的监测与理解。数据集与代码可在 https://ignf.github.io/FLAIR/ 获取。
引用
@article{arxiv.2310.13336,
title = {FLAIR: a Country-Scale Land Cover Semantic Segmentation Dataset From Multi-Source Optical Imagery},
author = {Anatol Garioud and Nicolas Gonthier and Loic Landrieu and Apolline De Wit and Marion Valette and Marc Poupée and Sébastien Giordano and Boris Wattrelos},
journal= {arXiv preprint arXiv:2310.13336},
year = {2023}
}
备注
NeurIPS 2023 - Datasets & Benchmarks Track