resaro/eurosat

---
license: mit
task_categories:
- image-classification
tags:
- satellite
- remote-sensing
- land-cover
- eurosat
size_categories:
- 1K<n<10K
---

# EuroSAT Image Classification Dataset

This dataset contains the EuroSAT satellite image classification data in parquet format for easy loading and processing.

## Dataset Information

- **Task**: Image Classification
- **Source**: [EuroSAT Dataset](https://github.com/phelber/EuroSAT)
- **Classes**: 10 land use/land cover classes
- **Image Size**: 64x64 pixels (RGB)
- **Format**: Parquet with embedded images
- **Splits**: train, test

## Classes

The dataset contains 10 land use and land cover classes:

| ID | Class Name | Description |
|----|------------|-------------|
| 0 | AnnualCrop | Annual crop fields |
| 1 | Forest | Forest areas |
| 2 | HerbaceousVegetation | Herbaceous vegetation |
| 3 | Highway | Highway and roads |
| 4 | Industrial | Industrial buildings |
| 5 | Pasture | Pasture land |
| 6 | PermanentCrop | Permanent crop fields |
| 7 | Residential | Residential areas |
| 8 | River | Rivers and water bodies |
| 9 | SeaLake | Seas and lakes |

## Usage

```python
from datasets import load_dataset

# Load the dataset
ds = load_dataset("resaro/eurosat")

# Access splits
print(ds["train"][0]) # First training example
print(ds["test"][0]) # First test example

# Iterate over the dataset
for example in ds["train"]:
image = example["image"] # PIL Image
label = example["label"] # Integer 0-9
# Your processing here
```

## Dataset Structure

Each example contains:
- `image`: PIL Image object (64x64 RGB)
- `label`: Integer label (0-9) corresponding to the class

### Data Splits

| Split | Samples |
|-------|---------|
| train | 990 |
| test | 1,000 |
| **Total** | **1,990** |

### Class Distribution (Training Set)

All classes are balanced with approximately 99 samples per class in the training set.

## Citation

If you use this dataset, please cite the original EuroSAT paper:

```bibtex
@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},
volume={12},
number={7},
pages={2217--2226},
year={2019},
publisher={IEEE}
}
```

## License

MIT License - Please refer to the original EuroSAT dataset for detailed license information.

许可证：MIT许可证
任务类别：
- 图像分类
标签：
- 卫星（satellite）
- 遥感（remote-sensing）
- 土地覆盖（land-cover）
- EuroSAT
样本量范围：
- 1000 < n < 10000

# EuroSAT图像分类数据集（EuroSAT）

本数据集以Parquet格式（Parquet）存储EuroSAT卫星图像分类数据，便于加载与处理。

## 数据集信息

- **任务**：图像分类
- **来源**：[EuroSAT数据集（EuroSAT Dataset）](https://github.com/phelber/EuroSAT)
- **类别**：10种土地利用/土地覆盖类别
- **图像尺寸**：64×64像素（RGB三通道）
- **格式**：嵌入图像的Parquet格式（Parquet）
- **划分方式**：训练集、测试集

## 类别

本数据集包含10种土地利用与土地覆盖类别：

| 编号 | 类别名称 | 类别描述 |
|----|------------|-------------|
| 0 | 年度作物（AnnualCrop） | 年度作物田 |
| 1 | 森林（Forest） | 森林区域 |
| 2 | 草本植被（HerbaceousVegetation） | 草本植被区 |
| 3 | 公路（Highway） | 公路与道路 |
| 4 | 工业用地（Industrial） | 工业建筑区 |
| 5 | 牧草地（Pasture） | 牧草地 |
| 6 | 多年生作物（PermanentCrop） | 多年生作物田 |
| 7 | 居住区（Residential） | 居住区域 |
| 8 | 河流（River） | 河流与水体 |
| 9 | 海洋与湖泊（SeaLake） | 海洋与湖泊 |

## 使用方法

python
from datasets import load_dataset

# 加载数据集
ds = load_dataset("resaro/eurosat")

# 访问数据集划分
print(ds["train"][0]) # 首个训练样本
print(ds["test"][0]) # 首个测试样本

# 遍历数据集
for example in ds["train"]:
image = example["image"] # PIL图像对象（PIL）
label = example["label"] # 0-9的整数标签
# 在此处编写你的处理代码

## 数据集结构

每个样本包含以下字段：
- `image`：PIL图像对象（PIL），尺寸为64×64像素，RGB三通道
- `label`：对应类别的整数标签，取值范围为0至9

### 数据划分

| 数据集划分 | 样本数量 |
|-------|---------|
| 训练集 | 990 |
| 测试集 | 1000 |
| **总计** | **1990** |

### 训练集类别分布

训练集内所有类别分布均衡，每类约含99个样本。

## 引用方式

若使用本数据集，请引用原始EuroSAT论文：

bibtex
@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},
volume={12},
number={7},
pages={2217--2226},
year={2019},
publisher={IEEE}
}

## 许可证

本数据集采用MIT许可证——详细许可证信息请参阅原始EuroSAT数据集。