SpaceNet 6：多传感器全天候制图数据集
图像与视频处理
2020-04-15 v1 计算机视觉与模式识别
摘要
在遥感领域，存在多种不同的获取模态，每种都有其独特的优势与劣势。然而，当前大多数文献和开放数据集仅处理用于高空间分辨率下不同检测与分割任务的电光（光学）数据。光学数据通常是地理空间应用的首选，但需要晴朗天空和较少云层覆盖才能良好工作。相反，合成孔径雷达（SAR）传感器具有穿透云层并在全天候、昼夜条件下采集的独特能力。因此，在天气和云层覆盖可能阻碍传统光学传感器的灾害响应援助中，SAR 数据尤其有价值。尽管有这些优势，可供研究人员探索 SAR 在此类应用中有效性的开放数据很少，特别是在极高空间分辨率（即 <1m 地面采样距离（GSD））下。为解决这个问题，我们提出了一个开放的多传感器全天候制图（MSAW）数据集与挑战，其包含两种采集模态（SAR 与光学）。该数据集与挑战聚焦于利用这些数据源的组合进行制图与建筑足迹提取。MSAW 覆盖 120 km^2 的多次重叠采集区域，并标注了超过 48,000 个独立建筑足迹标签，使得多模态数据制图算法的创建与评估成为可能。我们给出了基于 SAR 数据的建筑足迹提取基线与基准，并发现先在光学数据上预训练、再在 SAR 上训练的最先进分割模型（F1 分数 0.21）优于仅在 SAR 数据上训练的模型（F1 分数 0.135）。
引用
@article{arxiv.2004.06500,
title = {SpaceNet 6: Multi-Sensor All Weather Mapping Dataset},
author = {Jacob Shermeyer and Daniel Hogan and Jason Brown and Adam Van Etten and Nicholas Weir and Fabio Pacifici and Ronny Haensch and Alexei Bastidas and Scott Soenen and Todd Bacastow and Ryan Lewis},
journal= {arXiv preprint arXiv:2004.06500},
year = {2020}
}
备注
To appear in CVPR EarthVision Proceedings, 10 pages, 7 figures