So2Sat LCZ42：一个用于全球局地气候分区分类的基准数据集
计算机视觉与模式识别
2019-12-30 v1 图像与视频处理
摘要
获取带标签的参考数据是监督机器学习工作中的重大挑战之一。对于全球尺度的遥感图像自动分析而言尤其如此，它使我们能够利用最先进的机器学习技术应对城市化和气候变化等全球挑战。为满足这些迫切需求，特别是在城市研究中，我们开放访问一个名为“So2Sat LCZ42”的宝贵基准数据集，该数据集包含全球 42 个城市集聚区（外加 10 个较小区域）约五十万块 Sentinel-1 和 Sentinel-2 图像块的局地气候分区（LCZ）标签。该数据集由 15 位领域专家在为期六个月、精心设计的标注工作流程和评估过程中完成标注。与其他带标签遥感数据集很少这样做不同，我们由领域专家进行了严格的质量评估。该数据集总体置信度达 85%。我们认为，由于 LCZ 提供了相较于许多其他语义土地利用和土地覆盖分类更为客观的度量的这一特性，该 LCZ 数据集是使用机器学习方法监测城市增长迈向无偏全球分布数据集的第一步。它提供了城市区域形态、紧凑度和高度的度量，这些度量较少依赖于人类和文化。该数据集可从 http://doi.org/10.14459/2018mp1483140 获取。
引用
@article{arxiv.1912.12171,
title = {So2Sat LCZ42: A Benchmark Dataset for Global Local Climate Zones Classification},
author = {Xiao Xiang Zhu and Jingliang Hu and Chunping Qiu and Yilei Shi and Jian Kang and Lichao Mou and Hossein Bagheri and Matthias Häberle and Yuansheng Hua and Rong Huang and Lloyd Hughes and Hao Li and Yao Sun and Guichen Zhang and Shiyao Han and Michael Schmitt and Yuanyuan Wang},
journal= {arXiv preprint arXiv:1912.12171},
year = {2019}
}
备注
Article submitted to IEEE Geoscience and Remote Sensing Magazine