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

雪

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 @ 2024-12-31 10:21  ENVI-IDL技术殿堂  阅读(1245)  评论(0)    收藏  举报