数据集概述
本数据集是GEO-Bench数据集的一部分，基于Weinstein等人2019年的原始NeonTreeEvaluation数据集修改而来，所有修改在指定链接有记录。数据集包含14个文件，以JSON格式为主，涉及训练分区、波段统计、任务规格等内容，用于地理空间相关的模型训练与评估。
文件详解
- 文档类文件
- 文件名称：README、LICENSE
- 文件格式：无扩展名
- 字段映射介绍：README说明数据集来源、修改记录及相关链接；LICENSE包含数据集适用的授权信息
- 训练分区文件
- 文件名称：0.02x_train_partition.json、0.05x_train_partition.json、0.10x_train_partition.json、0.50x_train_partition.json、1.00x_train_partition.json、default_partition.json
- 文件格式：JSON
- 字段映射介绍：每个文件包含train、valid、test键，对应不同比例或默认的训练、验证、测试数据分区信息
- 统计与规格文件
- 文件名称：band_stats.json、task_specs.pkl
- 文件格式：JSON、PKL
- 字段映射介绍：band_stats.json包含Blue、Green、Red、Neon、Canopy Height Model、label等波段的统计信息；task_specs.pkl为任务规格的序列化文件
- 数据压缩包
- 文件名称：data.zip
- 文件格式：ZIP
- 字段映射介绍：包含数据集的核心数据内容
数据来源
原始版本由Weinstein et al. (2019)提供，修改版本来自GEO-Bench项目，相关链接为https://github.com/ServiceNow/geo-bench和https://github.com/weecology/NeonTreeEvaluation
适用场景
- 地理空间模型训练：利用不同比例的训练分区文件，开展树结构识别等地理空间相关模型的训练与验证
- 遥感波段分析：通过band_stats.json的波段统计数据，研究不同光谱波段的特征与应用
- 机器学习数据集构建：基于数据集的分区与规格信息，构建地理空间领域的机器学习实验数据集
- 地理空间任务评估：结合task_specs.pkl的任务规格，开展地理空间任务的性能评估与对比实验
