MagicBathyNet: A Multimodal Remote Sensing Dataset for Bathymetry Prediction and Pixel-based Classification in Shallow Waters

准确、详细且高频的水深测量数据，结合复杂的语义内容，对于面临强烈气候和人类活动压力的浅海海床区域至关重要。目前，利用遥感图像推导水深或海底类别的方法主要利用非开放数据。这种缺乏公开可访问的基准档案的情况阻碍了深度学习方法在此类应用中的广泛使用。为了解决这个问题，在本文中，我们提出了MagicBathyNet，这是一个基准数据集，由Sentinel2、SPOT-6和航空影像的图像块、光栅格式的水深数据和海底类别注释组成。MagicBathyNet被用于评估基于学习的水深和像素分类的最先进方法。数据集、预训练权重和代码均可在www.magicbathy.eu/magicbathynet.html上公开获取。

本文旨在解决海洋浅层海床面临气候和人为压力的问题，缺乏开放数据的情况下，利用遥感图像推导出精确、详细和高频的水深和海床分类的方法。

本文提出了MagicBathyNet，这是一个由Sentinel2、SPOT-6和航空图像的图像块、栅格格式的水深和海床类别注释组成的基准数据集。MagicBathyNet用于基于学习的水深和像素级分类方法的最新方法的基准测试。

本文提供了一个公开可用的基准数据集、预训练的权重和代码，可以帮助更广泛地使用深度学习方法。实验设计了详细的数据集处理方法和评估指标，并与其他方法进行了比较。

最近的相关研究包括使用遥感图像进行水深测量和海床分类的方法，但这些方法主要利用非开放数据，缺乏公开可用的基准数据集。