使用OpenStreetMap和Sentinel-2图像的大规模土地利用数据集(OpenSentinelMap)

OpenSentinelMap 数据集由 137,045 个独特的 3.7 平方公里空间单元组成，每个单元包含 4 年内拍摄的多幅 Sentinel-2 多光谱图像，以及从 OpenStreetMap 数据中提取的一组相应的每像素语义标签。这些标签并不一定相互排斥，其中包含道路、建筑、水和 12 个土地利用类别的信息。空间单元是在全球范围内人类活动区域内随机选择的，不考虑 OpenStreetMap 数据的可用性或质量，因此该数据集非常适合有监督、半监督和无监督实验。

The OpenSentinelMap dataset consists of 137,045 unique spatial units, each covering an area of 3.7 square kilometers. Each unit contains multiple Sentinel-2 multispectral images captured over a 4-year period, alongside a corresponding set of per-pixel semantic labels extracted from OpenStreetMap data. These labels are not mutually exclusive, and cover information on roads, buildings, water bodies, and 12 land use categories. The spatial units are randomly selected within globally distributed human activity regions, without considering the availability or quality of OpenStreetMap data. As a result, this dataset is highly suitable for supervised, semi-supervised, and unsupervised learning experiments.

搜集汇总

背景与挑战

背景概述

OpenSentinelMap是一个全球土地利用数据集，包含137,045个3.7平方公里空间单元，每个单元提供2017-2020年间的多时相Sentinel-2多光谱图像和基于OpenStreetMap的像素级语义标签，标签涵盖道路、建筑、水域及12个土地利用类别。该数据集随机采样自全球人类活动区域，不依赖OpenStreetMap数据质量，适用于监督、半监督和无监督的土地利用分类实验。