Fields of The World (FTW)

Fields of The World (FTW) 是一个综合基准数据集，旨在促进用于农业田地边界实例分割的机器学习模型的发展。该数据集旨在满足全球农业监测和评估对准确和可扩展田地边界数据的日益增长的需求。Fields of The World (FTW) is a comprehensive benchmark dataset designed to facilitate the development of machine learning models for agricultural field boundary instance segmentation. This dataset aims to address the growing demand for accurate and scalable field boundary data in global agricultural monitoring and assessment.

原始信息汇总

Fields of The World (FTW) 数据集概述

数据集基本信息

• 版本: v1.0.0
• 目的: 用于增强农业地块边界实例分割的机器学习模型开发，支持全球农业监测与评估。
• 覆盖范围: 欧洲、非洲、亚洲和南美洲的24个国家。
• 数据规模: 约160万地块边界，超过7万样本。

关键特性

1. 多类别分割:
   • 实例分割掩码：标识单个地块。
   • 语义分割掩码：
     • 二分类：背景和地块。
     • 三分类：背景、地块和边界。
2. 光谱丰富性: 包含Sentinel-2卫星图像的RGB和近红外（NIR）波段。
3. 时间丰富性: 多时相影像，捕捉不同生长阶段。
4. 数据划分: 训练集（80%）、验证集（10%）和测试集（10%），采用分块随机划分策略避免空间自相关。

数据结构

Fields of The World ├── README.md ├── [国家名称]（如austria） │ ├── label_masks │ │ ├── instance │ │ ├── semantic_2class │ │ └── semantic_3class │ ├── s2_images │ │ ├── window_a │ │ └── window_b │ ├── chips_[国家名称].parquet │ └── data_config_[国家名称].json ├── [国家名称].zip └── checksum.md5

国家数据统计

国家	有效年份	地块数量	芯片数	训练集	验证集	测试集	数据许可
奥地利	2021	196101	6686	5304	637	745	CC-BY-4.0
比利时	2021	63431	1941	1554	189	198	无限制
巴西	2020	1854	1607	1289	130	188	CC-BY-4.0
柬埔寨	2021	318088	344	274	36	34	CC-BY-4.0
克罗地亚	2023	157481	3482	2778	351	353	开放数据
丹麦	2021	37677	3560	2868	360	332	CC0-1.0
爱沙尼亚	2021	26695	6713	5348	681	684	CC-3.0
芬兰	2021	57323	5665	4527	550	588	CC-BY-4.0
法国	2020	55342	3744	2988	360	396	开放许可
德国	2018/2019	4598	686	306	30	350	DL-DE/BY-2-0
印度	2016	10013	2002*	1281	300	399	CC-BY-4.0
肯尼亚	2022	874	391	316	20	55	GPL-2.0-or-later
拉脱维亚	2021	44964	6938	5529	668	741	CC-BY-NC-4.0
立陶宛	2021	61424	5258	4208	522	528	非商业用途
卢森堡	2022	29018	808	643	81	84	CC0-1.0
荷兰	2022	43169	3879	3110	381	388	CC0-1.0
葡萄牙	2021	5040	86	64	12	10	CC-BY-NC-4.0
卢旺达	2021	1532	70	57	6	7	CC-BY-4.0
斯洛伐克	2021	14242	4073	3275	390	408	CC0-1.0
斯洛文尼亚	2021	67488	2177	1733	216	228	CC-BY-4.0
南非	2018	6568	747	590	72	85	CC-BY-NC-SA-4.0
西班牙	2020	258465	2440	2019	202	219	CC-BY-4.0
瑞典	2021	39718	4760	3802	442	516	无限制
越南	2021	120913	288	229	36	23	CC-BY-4.0

*注：印度有2002个芯片，其中22个标记为“无”划分，实际使用1980个芯片。

搜集汇总

数据集介绍

构建方式

Fields of The World (FTW) 数据集的构建基于全球范围内的多源遥感数据，涵盖了欧洲、非洲、亚洲和南美洲的24个国家。该数据集通过整合Sentinel-2卫星的多日期、多光谱图像，以及详细的实例和语义分割掩码，实现了对农业地块边界的精确分割。数据集的构建过程中，首先参考了美国农业部的作物日历，以确定图像采集的时间窗口，随后通过选择云量最少且对比度最佳的图像，确保了数据的质量和一致性。此外，数据集采用了分块随机分割策略，将大块区域分割为1536x1536平方米的小块，并按80%、10%、10%的比例分配给训练、验证和测试集，以防止空间自相关性导致的泄漏问题。

使用方法

FTW 数据集的使用方法相对直观，用户可以通过下载包含国家文件夹的压缩包来获取数据。每个国家文件夹内包含标签掩码和图像文件夹，分别存储实例分割和语义分割掩码，以及多日期、多光谱的Sentinel-2图像。用户可以根据需要选择不同类别的掩码进行分析。此外，数据集提供了详细的元数据和文档，包括国家、作物类型、数据采集季节和年份等信息，帮助用户更好地理解和利用数据。数据集的训练、验证和测试集已经预先划分，用户可以直接使用这些划分进行模型训练和评估。

背景与挑战

背景概述

Fields of The World (FTW)数据集是一个综合性的基准数据集，旨在推动机器学习模型在农业田地边界实例分割领域的发展。该数据集由Kerner实验室主导，于2021年首次发布，其核心研究问题是如何在全球范围内提供准确且可扩展的田地边界数据，以支持农业监测和评估。FTW数据集覆盖了欧洲、非洲、亚洲和南美洲的24个国家，涵盖了多样化的农业景观，为模型在不同农业实践和田地类型中的泛化能力提供了坚实基础。其庞大的数据规模（约160万块田地边界和超过7万样本）和丰富的多光谱、多时间序列图像数据，使其成为该领域的重要资源，对全球农业监测技术的进步具有深远影响。

当前挑战

尽管FTW数据集在规模和多样性上具有显著优势，但其构建和应用过程中仍面临诸多挑战。首先，数据集的全球覆盖性要求模型必须具备跨地域的适应能力，这对模型的泛化性和鲁棒性提出了高要求。其次，多光谱和多时间序列图像的处理复杂性增加了数据预处理和特征提取的难度。此外，数据集在不同国家和地区的数据质量、分辨率和许可协议的差异，也为数据整合和使用带来了挑战。最后，确保数据集在训练、验证和测试集之间的公平分割，以避免空间自相关性导致的过拟合，是数据集构建中的另一重要难题。

常用场景

经典使用场景

Fields of The World (FTW) 数据集的经典使用场景主要集中在农业领域的实例分割任务。该数据集通过提供全球多个国家和地区的农业地块边界数据，支持开发能够准确识别和分割单个地块的机器学习模型。这些模型不仅能够处理不同农业实践和地块类型，还能在多光谱和多时间点的卫星图像上进行详细分析，从而为农业监测和评估提供强有力的技术支持。

解决学术问题

FTW 数据集解决了农业领域中长期存在的地块边界识别和分割的学术难题。通过提供大规模、多类别和多光谱的实例和语义分割掩码，该数据集显著提升了机器学习模型在复杂农业环境中的泛化能力和精度。这不仅推动了农业遥感技术的进步，还为全球农业监测和评估提供了更为准确和可靠的数据基础。

实际应用

在实际应用中，FTW 数据集被广泛用于农业监测、土地管理和精准农业等领域。例如，通过分析地块边界的变化，可以实时监测农作物的生长状态和健康状况，从而优化农业生产策略。此外，该数据集还可用于土地利用规划和环境评估，帮助政府和农业机构制定更为科学和可持续的农业政策。

数据集最近研究

最新研究方向

在农业监测与评估领域，Fields of The World (FTW) 数据集的最新研究方向主要集中在利用其大规模、多类别的实例和语义分割数据，开发能够跨不同农业实践和田地类型泛化的机器学习模型。研究者们正致力于通过多光谱和多时间点的卫星图像分析，提升模型的时空分辨率，以更精确地识别和分割农田边界。此外，FTW数据集的全球覆盖特性也促使研究者探索如何在不同地理和文化背景下优化模型性能，从而推动全球农业监测技术的进步。