高分二号标签样本库(GF2-Label)重磅上线!🎉

高分二号标签样本库(GF2-Label)正式上线啦!🎉本样本库包含150景高分二号影像及分类标签数据,可以作为深度学习模型训练的样本数据库。

样本库特点

高分二号标签样本库具有如下特点:

  • 统一的数据类型

所有影像均经过统一的2%线性拉伸方式转为Byte字节型。

  • 具有通用性的波段数量

影像底图包含3波段和4波段版本,可以根据待分类影像波段数量选择训练数据。

  • 实用的类别

包含5类和24类两个版本,满足大类分类需求和精细分类需求。

  • 根据气候区进行数据划分

样本库目录根据影像所处地区的气候类型进行划分,排除不同气候区植被和地表特征差异对模型识别效果的影响。可针对不同地区自主选择样本进行更有地区针性的模型训练。

图 1:实用的目录树结构

  • 包含坐标信息

包含坐标信息,全国绝大部分省份均有影像覆盖。

图 2:样本库影像覆盖区域

样本库目录

高分二号标签样本库包含5类别和24类别样本标签,使用者需考虑想要识别的类别选择采用哪种数据。之后根据需要选择3波段影像底图或者4波段影像底图。最后根据研究区的气候类型及省份选择所需要的数据。样本库文件目录树如下图所示。

图 3:样本库目录树

5类别样本标签中包含如下类别:

表1 五种类别样本中包含的地物类型

序号

英文类别名

中文类别名

 1           

built-up

建筑

 2           

farmland

耕地

 3           

forest

森林

 4           

meadow

草地

 5         

water

水体

24类别样本标签中包含如下类别:

表2  24种类别样本中包含的地物类型

序号

英文类别名

中文类别名

  1          

industrial area

工业区

 2           

paddy field

水田

 3           

irrigated field

灌溉田

 4           

dry cropland

旱地

 5           

garden land

园地

 6           

arbor forest

乔木林地

 7           

shrub forest

灌木林地

 8         

park

公园

 9         

natural meadow

天然草地

10         

artificial meadow

人工草地

11         

river

河流

12         

urban residential

城市居民区

13         

lake

湖泊

14         

pond

池塘

15         

fish pond

鱼塘

16         

snow

17         

bareland

裸地

18         

rural residential

农村居民区

19         

stadium

体育场

20         

square

广场

21         

road

道路

22         

overpass

立交桥

23         

railway station

火车站

24        

airport

机场

样本库下载

通过网盘分享的文件:高分二号标签样本库(GF2-Label)
链接: https://pan.baidu.com/s/1B-olSPTg5uz6mR0sBzN-sA?pwd=envi 提取码: envi 

样本库说明

高分二号标签样本库经开源样本库GID、Five-Billion-Pixels修改而来,论文引用请引用:

@article{FBP2023,

title={Enabling country-scale land cover mapping with meter-resolution satellite imagery},

author={Tong, Xin-Yi and Xia, Gui-Song and Zhu, Xiao Xiang},

journal={ISPRS Journal of Photogrammetry and Remote Sensing},

volume={196},

pages={178-196},

year={2023}}

@article{GID2020, 

title={Land-cover classification with high-resolution remote sensing images using transferable deep models}, 

author={Tong, Xin-Yi and Xia, Gui-Song and Lu, Qikai and Shen, Huanfeng and Li, Shengyang and You, Shucheng and Zhang, Liangpei}, 

journal={Remote Sensing of Environment}, 

volume={237}, 

pages={111322}, 

year={2020}}

posted @   ENVI-IDL技术殿堂  阅读(254)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· 单线程的Redis速度为什么快?
点击右上角即可分享
微信分享提示