wangyi111/EuroSAT-SAR

---
license: mit
task_categories:
- image-classification
---

## EuroSAT-SAR: Land Use and Land Cover Classification with Sentinel-1

The EuroSAT-SAR dataset is a SAR version of the popular [EuroSAT](https://github.com/phelber/EuroSAT) dataset. We matched each Sentinel-2 image in EuroSAT with one Sentinel-1 patch according to the geospatial coordinates, ending up with 27,000 dual-pol Sentinel-1 SAR images divided in 10 classes. The EuroSAT-SAR dataset was collected as one downstream task in the work [FG-MAE](https://github.com/zhu-xlab/FGMAE) to serve as a CIFAR-like, clean, balanced ML-ready dataset for remote sensing SAR image recognition.

<p align="center">
<img width="1000" alt="fgmae main structure" src="assets/eurosat-sar.png">
</p>

The dataset can be downloaded as a compressed zip file [here](https://huggingface.co/datasets/wangyi111/EuroSAT-SAR/resolve/main/EuroSAT-SAR.zip).

### Citation
```bibtex
@article{wang2023feature,
title={Feature Guided Masked Autoencoder for Self-supervised Learning in Remote Sensing},
author={Wang, Yi and Hern{\'a}ndez, Hugo Hern{\'a}ndez and Albrecht, Conrad M and Zhu, Xiao Xiang},
journal={arXiv preprint arXiv:2310.18653},
year={2023}
}
```

---
许可证：MIT协议
任务类别：
- 图像分类
---

## EuroSAT-SAR：基于哨兵1号的土地利用与土地覆盖分类

EuroSAT-SAR数据集是广受欢迎的EuroSAT数据集的合成孔径雷达（SAR）版本。我们依据地理空间坐标，将EuroSAT数据集中的每幅哨兵2号影像与一幅哨兵1号影像块进行匹配，最终得到27000幅双极化哨兵1号SAR图像，这些图像被划分为10个类别。该数据集是作为论文《FG-MAE》中的一项下游任务所采集的，旨在构建一个类似CIFAR的干净、均衡且可直接用于机器学习的遥感SAR图像识别数据集。

<p align="center">
<img width="1000" alt="FG-MAE 主体架构" src="assets/eurosat-sar.png">
</p>

用户可通过[此链接](https://huggingface.co/datasets/wangyi111/EuroSAT-SAR/resolve/main/EuroSAT-SAR.zip)下载该数据集的压缩ZIP包。

### 引用
bibtex
@article{wang2023feature,
title={面向遥感自监督学习的特征引导掩码自编码器},
author={Wang, Yi and Hernández, Hugo Hernández and Albrecht, Conrad M and Zhu, Xiao Xiang},
journal={arXiv预印本 arXiv:2310.18653},
year={2023}
}

原始信息汇总

EuroSAT-SAR: 土地利用和土地覆盖分类与Sentinel-1

EuroSAT-SAR数据集是流行的EuroSAT数据集的SAR版本。我们根据地理空间坐标将EuroSAT中的每个Sentinel-2图像与一个Sentinel-1补丁匹配，最终得到27,000个双极化Sentinel-1 SAR图像，分为10个类别。EuroSAT-SAR数据集是在FG-MAE工作中作为下游任务收集的，旨在为遥感SAR图像识别提供类似于CIFAR的、干净、平衡的ML就绪数据集。

数据集可以作为压缩的zip文件下载，链接如下：下载链接。

引用

bibtex @article{wang2023feature, title={Feature Guided Masked Autoencoder for Self-supervised Learning in Remote Sensing}, author={Wang, Yi and Hern{a}ndez, Hugo Hern{a}ndez and Albrecht, Conrad M and Zhu, Xiao Xiang}, journal={arXiv preprint arXiv:2310.18653}, year={2023} }

搜集汇总

数据集介绍

构建方式

EuroSAT-SAR数据集的构建，是在EuroSAT数据集的基础上，通过精确匹配地理空间坐标，将每一幅Sentinel-2图像与Sentinel-1雷达图像相对应，从而形成了包含27,000个双极化Sentinel-1雷达图像的数据集，这些图像被均匀地分为10个类别。该数据集的构建旨在为遥感领域提供一种类似CIFAR的、纯净且平衡的机器学习准备数据集，用于SAR图像识别。

特点

该数据集的特点在于，它是基于Sentinel-1雷达图像的，具有全天候、全天时的成像能力，不受云层和光照条件的影响，适用于土地使用和土地覆盖的分类研究。此外，数据集的平衡性确保了每个类别中样本数量的均匀分布，有利于模型的泛化能力和公平性评估。EuroSAT-SAR的开放获取属性使其成为遥感领域研究者的宝贵资源。

使用方法

使用EuroSAT-SAR数据集时，研究者可以下载压缩的zip文件，并在解压后获得图像数据。数据集的使用需遵守MIT许可协议，允许用户进行学术研究和商业应用。在引用数据集时，应遵循提供的 BibTeX 格式的引用信息，以尊重原作者的知识产权和贡献。

背景与挑战

背景概述

EuroSAT-SAR数据集是EuroSAT数据集的合成孔径雷达(SAR)版本，由Wang Yi、Hugo Hernández、Conrad M Albrecht和Xiao Xiang Zhu等研究人员在2023年构建。该数据集旨在为遥感SAR图像识别提供一个类似CIFAR的清洁、平衡、机器学习就绪的基准。它包含了27,000个双极化Sentinel-1 SAR图像，分为10个类别，通过与EuroSAT数据集中对应的Sentinel-2图像的地理坐标匹配而形成。EuroSAT-SAR数据集作为FG-MAE研究工作中的一项下游任务，对推动遥感领域的研究具有重要意义。

当前挑战

该数据集在构建过程中面临的挑战主要包括：1) 需要精确匹配Sentinel-2与Sentinel-1图像的地理坐标，以确保数据集的准确性和一致性；2) 在分类任务中，如何处理SAR图像特有的噪声和 speckle效应，以及如何有效提取和利用图像特征。此外，数据集在解决土地使用和土地覆盖分类问题的同时，也需面对如何提高识别准确率、鲁棒性以及泛化能力的挑战。

常用场景

经典使用场景

在遥感领域，EuroSAT-SAR数据集的经典使用场景在于地物分类任务，其提供了27,000张Sentinel-1合成孔径雷达(SAR)图像，涵盖10个类别，为机器学习模型提供了丰富的训练样本。该数据集的构建旨在通过SAR图像实现对地表用途和覆盖的分类，为遥感图像识别领域的研究提供了标准化的数据资源。

实际应用

在实际应用中，EuroSAT-SAR数据集的应用场景广泛，可用于农业监测、城市规划、环境变化评估等多个领域。该数据集的有效利用有助于提高卫星图像解析的自动化程度，为决策制定提供科学依据，进而促进地球系统管理和可持续发展。

衍生相关工作

基于EuroSAT-SAR数据集，研究者们已经开展了一系列相关工作，如FG-MAE方法的提出，即为一种面向遥感SAR图像的自监督学习方法。这些工作不仅推动了遥感图像处理技术的发展，也为相关领域的学术研究提供了新的视角和方法论，丰富了遥感领域的知识体系。