blanchon/EuroSAT_RGB

---
language: en
license: unknown
size_categories:
- 10K<n<100K
task_categories:
- image-classification
paperswithcode_id: eurosat
pretty_name: EuroSAT RGB
tags:
- remote-sensing
- earth-observation
- geospatial
- satellite-imagery
- land-cover-classification
- sentinel-2
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': Annual Crop
'1': Forest
'2': Herbaceous Vegetation
'3': Highway
'4': Industrial Buildings
'5': Pasture
'6': Permanent Crop
'7': Residential Buildings
'8': River
'9': SeaLake
- name: filename
dtype: string
splits:
- name: train
num_bytes: 104485303.0
num_examples: 16200
- name: test
num_bytes: 34726245.0
num_examples: 5400
- name: validation
num_bytes: 34781690.0
num_examples: 5400
download_size: 174279561
dataset_size: 173993238.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

# EuroSAT RGB

<!-- Dataset thumbnail -->

<!-- Provide a quick summary of the dataset. -->
EUROSAT RGB is the RGB version of the EUROSAT dataset based on Sentinel-2 satellite images covering 13 spectral bands and consisting of 10 classes with 27000 labeled and geo-referenced samples.
- **Paper:** https://arxiv.org/abs/1709.00029
- **Homepage:** https://github.com/phelber/EuroSAT

## Description

<!-- Provide a longer summary of what this dataset is. -->

The EuroSAT dataset is a comprehensive land cover classification dataset that focuses on images taken by the [ESA Sentinel-2 satellite](https://sentinel.esa.int/web/sentinel/missions/sentinel-2). It contains a total of 27,000 images, each with a resolution of 64x64 pixels. These images cover 10 distinct land cover classes and are collected from over 34 European countries.

The dataset is available in two versions: **RGB only** (this repo) and all 13 [Multispectral (MS) Sentinel-2 bands](https://sentinels.copernicus.eu/web/sentinel/user-guides/sentinel-2-msi/resolutions/spatial). EuroSAT is considered a relatively easy dataset, with approximately 98.6% accuracy achievable using a ResNet-50 architecture.

- **Total Number of Images**: 27000
- **Bands**: 3 (RGB)
- **Image Resolution**: 64x64m
- **Land Cover Classes**: 10
- Classes: Annual Crop, Forest, Herbaceous Vegetation, Highway, Industrial Buildings, Pasture, Permanent Crop, Residential Buildings, River, SeaLake

## Usage

To use this dataset, simply use `datasets.load_dataset("blanchon/EuroSAT_RGB")`.
<!-- Provide any additional information on how to use this dataset. -->
```python
from datasets import load_dataset
EuroSAT_RGB = load_dataset("blanchon/EuroSAT_RGB")
```

## Citation

<!-- If there is a paper or blog post introducing the dataset, the APA and Bibtex information for that should go in this section. -->
If you use the EuroSAT dataset in your research, please consider citing the following publication:

```bibtex
@article{helber2017eurosat,
title={EuroSAT: A Novel Dataset and Deep Learning Benchmark for Land Use and Land Cover Classification},
author={Helber, et al.},
journal={ArXiv preprint arXiv:1709.00029},
year={2017}
}
```

语言：英语
许可证：未知
样本规模区间：1万 < 样本量 < 10万
任务类别：图像分类
PapersWithCode编号：eurosat
正式名称：EuroSAT RGB
标签：遥感（remote-sensing）、地球观测（earth-observation）、地理空间（geospatial）、卫星影像（satellite-imagery）、土地覆盖分类（land-cover-classification）、Sentinel-2卫星（Sentinel-2）
数据集信息：
特征：
- 名称：图像，数据类型：图像
- 名称：标签，数据类型：类别标签，类别映射如下：
'0'：一年生作物（Annual Crop）
'1'：森林（Forest）
'2'：草本植被（Herbaceous Vegetation）
'3'：公路（Highway）
'4'：工业建筑（Industrial Buildings）
'5'：牧场（Pasture）
'6'：多年生作物（Permanent Crop）
'7'：住宅建筑（Residential Buildings）
'8'：河流（River）
'9'：海洋/湖泊（SeaLake）
- 名称：文件名，数据类型：字符串
划分方式：
- 训练集：字节数104485303.0，样本量16200
- 测试集：字节数34726245.0，样本量5400
- 验证集：字节数34781690.0，样本量5400
下载大小：174279561
数据集总大小：173993238.0
配置项：
- 配置名称：default，数据文件路径：
训练集：data/train-*
测试集：data/test-*
验证集：data/validation-*

# EuroSAT RGB


### 数据集快速摘要
EuroSAT RGB是基于Sentinel-2卫星的EuroSAT数据集的RGB版本，该数据集源自搭载13个光谱波段的Sentinel-2卫星，包含10个类别共计27000张带标注且经地理配准的样本。
- **论文链接**：https://arxiv.org/abs/1709.00029
- **项目主页**：https://github.com/phelber/EuroSAT

## 数据集详情

EuroSAT数据集是一套面向土地覆盖分类任务的标准化基准数据集，其核心数据源为欧洲空间局（ESA）的Sentinel-2卫星（Sentinel-2）。该数据集总计包含27000张64×64像素的影像，覆盖10种不同的土地覆盖类别，采集自超过34个欧洲国家。

本数据集提供两种版本：仅RGB波段版本（即当前仓库）以及包含全部13个Sentinel-2多光谱（Multispectral, MS）波段的版本。现有研究表明，使用ResNet-50架构即可在该数据集上达到约98.6%的分类准确率，因此该数据集被认为是难度适中的基准数据集。

- **总图像数**：27000
- **波段数**：3（RGB）
- **图像分辨率**：64×64像素
- **土地覆盖类别数**：10
- 具体类别：一年生作物、森林、草本植被、公路、工业建筑、牧场、多年生作物、住宅建筑、河流、海洋/湖泊

## 使用方法
使用该数据集仅需调用`datasets.load_dataset("blanchon/EuroSAT_RGB")`。
python
from datasets import load_dataset
EuroSAT_RGB = load_dataset("blanchon/EuroSAT_RGB")

## 引用说明
如果您在研究中使用本数据集，请引用以下文献：

bibtex
@article{helber2017eurosat,
title={EuroSAT：一款用于土地利用与土地覆盖分类的新型数据集及深度学习基准},
author={Helber, et al.},
journal={ArXiv预印本 arXiv:1709.00029},
year={2017}
}

原始信息汇总

EuroSAT RGB 数据集概述

基本信息

• 语言: 英语
• 许可: 未知
• 数据集大小: 10K < n < 100K
• 任务类别: 图像分类
• PapersWithCode ID: eurosat
• 别名: EuroSAT RGB
• 标签:
  • 遥感
  • 地球观测
  • 地理空间
  • 卫星图像
  • 土地覆盖分类
  • Sentinel-2

数据集详情

• 特征:

  • 图像: 图像类型
  • 标签: 类别标签，包括以下类别:
    • 0: 年度作物
    • 1: 森林
    • 2: 草本植被
    • 3: 高速公路
    • 4: 工业建筑
    • 5: 牧场
    • 6: 永久作物
    • 7: 住宅建筑
    • 8: 河流
    • 9: 海湖
  • 文件名: 字符串类型

• 分割:

  • 训练集: 16200个样本，104485303.0字节
  • 测试集: 5400个样本，34726245.0字节
  • 验证集: 5400个样本，34781690.0字节

• 下载大小: 174279561字节

• 数据集大小: 173993238.0字节

• 配置:

  • 默认配置:
    • 训练集: data/train-*
    • 测试集: data/test-*
    • 验证集: data/validation-*

数据集描述

• 总图像数: 27000
• 波段: 3 (RGB)
• 图像分辨率: 64x64像素
• 土地覆盖类别: 10
  • 类别: 年度作物, 森林, 草本植被, 高速公路, 工业建筑, 牧场, 永久作物, 住宅建筑, 河流, 海湖

使用方法

• 使用 datasets.load_dataset("blanchon/EuroSAT_RGB") 加载数据集。

引用

• 如果使用该数据集，请引用以下出版物: bibtex @article{helber2017eurosat, title={EuroSAT: A Novel Dataset and Deep Learning Benchmark for Land Use and Land Cover Classification}, author={Helber, et al.}, journal={ArXiv preprint arXiv:1709.00029}, year={2017} }

搜集汇总

数据集介绍

构建方式

在地球观测与遥感领域，EuroSAT RGB数据集的构建基于ESA Sentinel-2卫星捕获的图像。该数据集筛选出三个可见光波段（RGB），并从中提取了27000张64x64像素的图像，这些图像经过分类，涵盖了10种不同的土地覆盖类型，来源于超过34个欧洲国家，旨在为土地覆盖分类提供标准化的数据资源。

使用方法

使用EuroSAT RGB数据集时，用户可通过HuggingFace的datasets库轻松加载。具体操作为调用`datasets.load_dataset("blanchon/EuroSAT_RGB")`函数，即可获取训练、测试和验证三个数据集分割。该数据集易于集成至各类机器学习工作流程中，为研究者提供了便捷的数据处理与模型训练接口。

背景与挑战

背景概述

EuroSAT RGB数据集，是基于ESA Sentinel-2卫星拍摄的图像构建的遥感地物分类数据集。该数据集由赫尔伯等人于2017年创建，包含来自34个欧洲国家的27000张64x64像素的图像，涵盖10种不同的地物类别。其旨在推动地物分类研究，特别是在遥感领域，对地球观测和地理空间信息的科学分析具有重要意义。数据集的构建，不仅丰富了地物分类的样本库，也为相关领域的研究提供了可靠的数据源，对提升卫星图像解析技术及其在实际应用中的效能产生了显著影响。

当前挑战

在数据集构建过程中，研究人员面临着如何从多光谱卫星图像中提取有效的RGB三通道数据的挑战。此外，数据集在分类精度上的高度可预测性，使得提升模型的泛化能力成为一项挑战。同时，由于数据集覆盖范围广泛，不同地区图像的获取条件不一，如何保证数据质量的一致性也是需要解决的问题。在应用层面，如何将此数据集的研究成果转化为实际应用，解决如环境监测、农业生产等领域的具体问题，亦是一大挑战。

常用场景

经典使用场景

在遥感领域，EuroSAT RGB数据集以其精准的地理空间分类而受到广泛关注。该数据集基于ESA Sentinel-2卫星的RGB波段图像，被广泛用于图像分类任务，特别是在地物覆盖分类研究中，成为了一个经典的使用场景。

解决学术问题

EuroSAT RGB数据集解决了遥感图像中地物覆盖分类的准确性问题，提供了10个明确的地物类别，有助于学术研究中对地物变化的定量分析，从而促进了地球系统科学领域的发展。

实际应用

在实际应用中，EuroSAT RGB数据集可用于环境监测、城市规划以及农业资源管理等领域，通过精确分类卫星图像中的地物类型，为相关政策制定和资源优化配置提供了科学依据。

数据集最近研究

最新研究方向

在遥感与地球观测领域，基于EuroSAT RGB数据集的研究正聚焦于提升土地覆盖分类的精确度与实用性。该数据集以其基于Sentinel-2卫星的RGB影像，为研究者提供了丰富的10类土地覆盖类型样本。近期研究不仅关注于深度学习模型在分类性能上的优化，更重视多源数据融合、时间序列分析等技术在提高土地覆盖监测动态性的应用。此类研究对于环境监测、资源管理等领域具有重要的实践影响和理论价值。