中国10米地物分类数据集(AIEC)

举报
此星光明 发表于 2023/08/04 17:04:22 2023/08/04
【摘要】 ​AIEarth中国10米地物分类数据集(AIEC) 简介与Notebook示例达摩院AI Earth团队自研的中国区10m分辨率地物分类产品是一种基于遥感影像数据的地物分类产品，可以识别并分类出遥感影像中的地物，包括建筑物、水体、植被等。该产品使用了深度学习算法，通过对大量已标注的遥感影像进行训练，实现了较高的分类精度和较快的处理速度。在城市规划、环境监测、自然资源管理等领域，该产品都具有...

​

AIEarth中国10米地物分类数据集(AIEC) 简介与Notebook示例

达摩院AI Earth团队自研的中国区10m分辨率地物分类产品是一种基于遥感影像数据的地物分类产品，可以识别并分类出遥感影像中的地物，包括建筑物、水体、植被等。该产品使用了深度学习算法，通过对大量已标注的遥感影像进行训练，实现了较高的分类精度和较快的处理速度。在城市规划、环境监测、自然资源管理等领域，该产品都具有重要的应用价值。前言 – 人工智能教程

数据包含2020-2022年中国逐年土地覆盖信息。研究团队利用Sentinel-2 数据集，借助深度学习方法，融合了多时序、多模态、Low Level约束、半监督等技术，进行精细化地物分割。算法基于LandCoverNet Dataset, Google Dynamic Dataset和自研验证集进行统计评测，整体精度指标均达到一定提升。

原始代码中和数据集的介绍中，并没有给出具体数据的参数，所以我们无法查看影像的具体信息，希望后续能通过补充部分波段信息的介绍来弥补现在的不足。只能通过python代码来实现这个功能，看看数据中包含哪些波段信息，这里我们可以通过print单景影像来获取查看：

{'bbox': [117.0, 30.0, 120.0, 33.0], 'id': 'DAMO_AIE_CHINA_LC_2022_N30E117', 'bands': [{'index': 1, 'id': 'Map'}], 'properties': {'datetime': '2022-01-01T00:00:00.000Z', 'instruments': [], 'end_datetime': 1672531199000, 'start_datetime': 1640995200000, 'aie:band_names': ['Map'], 'meta:startTime': '2022-01-01T00:00:00.000Z'}}

经过查看发现这个数据集中并不包含具体的二分类信息，仅有一个’Map‘一个波段信息。属性中，有仅有时间信息。

单景影像的加载代码：

import aie
aie.Authenticate()
aie.Initialize()

img = aie.Image('DAMO_AIE_CHINA_LC_2022_N30E117')

print(img.getInfo())

map = aie.Map(
    center=img.getCenter(),
    height=800,
    zoom=6
)
vis_params = {
    'bands': 'Map',
    'min': 1,
    'max': 9,
    'palette': [
        '#F8D072','#31AD69','#83C238','#63E038',
        '#63E0E4','#A3D6F5','#F1A5B4','#D7C8B9',
        '#9C9C9C'
    ]
}
map.addLayer(
    img,
    vis_params,
    'Map',
    bounds=img.getBounds()
)
map

影像集合的加载代码：

import aie
aie.Authenticate()
aie.Initialize()
# 指定需要检索的区域
feature_collection = aie.FeatureCollection('China_Province').geometry() 

#指定检索数据集，可设置检索的时间范围
dataset = aie.ImageCollection('DAMO_AIE_CHINA_LC') \
             .filterBounds(feature_collection) \
             .filterDate("2022-01-01", "2022-01-31") \
             .mosaic()\
             .clip(feature_collection)
             
imgs = dataset.select(['Map']);

map = aie.Map(
    center=imgs.getCenter(),
    height=800,
    zoom=6
)
vis_params = {
    'bands': 'Map',
    'min': 1,
    'max': 9,
    'palette': [
        '#F8D072','#31AD69','#83C238','#63E038',
        '#63E0E4','#A3D6F5','#F1A5B4','#D7C8B9',
        '#9C9C9C'
    ]
}

map.addLayer(
    imgs,
    vis_params,
    'Map',
    bounds=imgs.getBounds()
)
map


【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱： cloudbbs@huaweicloud.com
云端实践 云计算 数据可视化 数据采集 深度学习
  • 点赞
  • 收藏
  • 关注作者

评论（0）

0/1000
抱歉，系统识别当前为高风险访问，暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称，即可参与社区互动！

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符，设置后3个月内不可修改。

确认 取消

加入云驻计划，成为创作者

  • 华为云周边好礼
  • 免费体验产品
  • 特殊身份标识
  • 线下官方门票
  • 内部专家零距离
  • 与10000+优质创作者共同成长
立即加入