论文标题： DynamicEarthNet: Daily Multi-Spectral Satellite Dataset for Semantic Change Segmentation

论文链接：

https://openaccess.thecvf.com/content/CVPR2022/html/Toker_DynamicEarthNet_Daily_Multi-Spectral_Satellite_Dataset_for_Semantic_Change_Segmentation_CVPR_2022_paper.html

数据集链接：https://mediatum.ub.tum.de/1650201

作者单位：慕尼黑工业大学 & 德国航空航天大学

地球观测是监测特定感兴趣区域土地利用演变的基本工具。在这种情况下，观察和精确定义变化需要时间序列数据和像素分割。为此，我们提出了 DynamicEarthNet 数据集，该数据集由来自 Planet Labs 的图像对分布在全球的 75 个选定感兴趣区域的每日多光谱卫星观测组成。这些观察结果与 7 个土地利用和土地覆盖 (LULC) 类别的像素级每月语义分割标签配对。 DynamicEarthNet 是第一个提供日常测量和高质量标签的独特组合的数据集。在我们的实验中，我们比较了几个既定的基线，这些基线要么利用日常观察作为额外的训练数据（半监督学习），要么同时利用多个观察（时空学习）作为未来研究的参考点。最后，我们提出了一种新的评估指标 SCS，它解决了与时间序列语义变化分割相关的特定挑战。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除