SeasoNet：面向德国卫星影像的季节性场景分类、分割与检索数据集
计算机视觉与模式识别
2022-07-21 v1
摘要
本工作提出 SeasoNet，一个全新的大规模多标签土地覆盖与土地利用场景理解数据集。它包含来自 Sentinel-2 瓦片的 张图像，具有 12 个光谱波段以及最大 的斑块尺寸。每张图像均使用来自德国土地覆盖模型 LBM-DE2018 的大尺度像素级标签进行标注，其土地覆盖类别基于 CORINE 土地覆盖数据库（CLC）2018，且最小制图单元（MMU）比原始 CLC 地图小五倍。我们提供来自全部四个季节的像素同步样本，以及额外的雪盖集合。这些特性使 SeasoNet 成为当前最通用且最大的遥感场景理解数据集，其可能应用涵盖从场景分类、土地覆盖制图到基于内容的跨季节图像检索与自监督特征学习。我们通过在场景分类与语义分割场景下评估新数据集上的最先进深度网络，提供了基线结果。
引用
@article{arxiv.2207.09507,
title = {SeasoNet: A Seasonal Scene Classification, segmentation and Retrieval dataset for satellite Imagery over Germany},
author = {Dominik Koßmann and Viktor Brack and Thorsten Wilhelm},
journal= {arXiv preprint arXiv:2207.09507},
year = {2022}
}
备注
Accepted at IEEE International Geoscience and Remote Sensing Symposium (IGARSS) 2022