Deficit-Driven Stratified Acquisition for Building STRATA-S12: An Open SAR-Optical Corpus for Self-Supervised Learning
·
0 次浏览
·来源: HuggingFace Papers
Building a co-registered SAR-optical corpus for self-supervised Earth Observation is above all an acquisition problem, yet the main multi-modal datasets are collected opportunistically, with no per-stratum quota control and no mechanism against the geographic dropout that non-uniform cloud cover leaves behind....
构建共同注册的SAR-光学语料库用于自监督地球观测首先是一个采集问题,然而主要的多模态数据集是机会性采集的,没有对每个层次的配额控制,也没有对非均匀云层留下的地理丢失的机制。我们提出了缺陷驱动分层采集(Deficit-Driven Stratified Acquisition, DDSA)算法,将构建共同注册的Sentinel-1/Sentinel-2语料库视为在半球校正(类 x 季节 x 区域)分层中一个受限的最大覆盖率问题,强制执行严格的时间配对和多阶段质量关,并在采集过程中通过一个人在环中的缺陷修复阶段来闭环。在其产品上测量,该算法提供了单次采集无法报告的三个结果。基于缺陷的排序使部分运行成为覆盖性运行:它保留了预算的前几%中填充的每一个192个层次,而大量先行的排序在结束时使大多数层次为空。是否可以恢复失败的尝试取决于其原因的时间持续性,而非缺陷的类型:诸如无数据等几何失败是最容易修复的(η=41.4%),而云层则是最少的(η=18.8%),因为云层的位置在大多数季节日期都处于云层状态。修复循环在没有可测量质量成本的情况下提供了39.5%的释放对,其中89.8%经过了人工审查。质量保证有代价:2,928,370次采集尝试产生了740,746对释放数据。我们发布了语料库STRATA-S12,其中包含与STAC/PDS4对齐的FAIR副车,并通过预先注册的线性探测器检查确认它适合用于自监督的预训练。与SSL4EO-S12和SEN12MS相比,元数据级别的覆盖率比较将语料库置于共享框架中;系统性的跨语料库和跨方法比较留待后续工作。