Landsat-8

数据集以JSON字符串格式存储在Google Cloud Storage中。有100个文件，每个文件都有Landsat-8的文件名、场景中凝结尾迹的多边形边界，以及每个标记场景的不标识的平流飞行航路点。我们通过使用matplotlib集合 [26] 从多边形边界构造2个地面真相掩码来手动预处理数据。然后，我们将图像和遮罩的尺寸调整为512x512尺寸进行训练; 任何小于512的尺寸都会导致结果恶化。由于凝结尾迹和背景之间的班级不平衡，我们仅使用具有至少一个轨迹的图像进行训练，并帮助模型更好地推广。数据集被进一步划分为用于训练的80% (1737) 和用于测试的20% (434)。我们选择使用假彩色图像，因为它在视觉上比RGB图像更容易识别轨迹。在实验上，这些模型在假彩色图像上的表现也更好。