mikewang/EuroSAT

EuroSAT (RGB)数据集是一个基于Sentinel-2卫星图像的土地利用和土地覆盖分类数据集。该数据集包含13个光谱波段和10个类别，共计27,000张标记和地理参考的图像。数据集提供了使用深度卷积神经网络（CNNs）的基准测试，并达到了98.57%的总体分类准确率。该数据集可用于检测土地利用和土地覆盖变化，并有助于改进地理地图。

原始信息汇总

数据集卡片：EuroSAT (RGB)

数据集描述

主页: EuroSAT GitHub 页面

重要说明:

• 此数据集下载 EuroSAT 数据集的 RGB 图像：EuroSAT_RGB.zip

论文引用:

@article{helber2019eurosat, title={Eurosat: A novel dataset and deep learning benchmark for land use and land cover classification}, author={Helber, Patrick and Bischke, Benjamin and Dengel, Andreas and Borth, Damian}, journal={IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing}, year={2019}, publisher={IEEE} }

@inproceedings{helber2018introducing, title={Introducing EuroSAT: A Novel Dataset and Deep Learning Benchmark for Land Use and Land Cover Classification}, author={Helber, Patrick and Bischke, Benjamin and Dengel, Andreas and Borth, Damian}, booktitle={IGARSS 2018-2018 IEEE International Geoscience and Remote Sensing Symposium}, pages={204--207}, year={2018}, organization={IEEE} }

数据集总结

本研究针对使用 Sentinel-2 卫星图像进行土地利用和土地覆盖分类的挑战。Sentinel-2 卫星图像在地球观测计划哥白尼中公开且自由访问。我们基于 Sentinel-2 卫星图像提出了一种新的数据集，覆盖 13 个光谱波段，包含 10 个类别，总计 27,000 个标记和地理参考图像。我们使用最先进的深度卷积神经网络（CNNs）为这个新数据集提供基准测试。通过提出的新数据集，我们实现了 98.57% 的总体分类准确率。由此产生的分类系统为多种地球观测应用打开了大门。我们展示了如何使用此分类系统检测土地利用和土地覆盖变化，以及如何协助改进地理地图。地理参考数据集 EuroSAT 已公开发布 在此。