遥感图像稀疏表征与智能分析竞赛 - 遥感图像场景分类

遥感图像稀疏表征与智能分析竞赛 - 遥感图像场景分类

http://rscup.bjxintong.com.cn/

1. 背景

空间信息稀疏表征与融合处理解决空间信息稀疏表征、多维时空数据的融合处理、空间信息的快速提取与知识发现等技术问题。

2. 遥感图像场景分类

遥感图像场景分类旨在对空间信息网络中的遥感图像进行场景级内容解译，对遥感图像中的感兴趣场景及非感兴趣场景进行自动化的识别和区分。现有遥感图像场景解译方法往往局限于有限的场景类别和单一数据源，难以满足实际应用需求。通过本项竞赛遴选高效的遥感图像场景解译算法模型，对空间信息网络中遥感图像复杂场景信息进行高效挖掘，提高空间信息网络建设中遥感图像快速信息提取能力。

2.1 说明

遥感图像场景分类是指从多幅遥感图像中区分出具有相似场景特征的图像，并对这些图像进行分类，为每一幅遥感图像赋予场景类别标签。本项竞赛针对包含典型的遥感图像场景对象，参赛队伍使用主办方提供的数据对指定的遥感图像进行场景分类，主办方依据评分标准对遥感图像场景分类结果进行综合评价。

2.2 数据

竞赛中将提供包含多个类别场景的遥感图像数据集，场景类型和标签包括：旱地 (1)、水田 (2)、梯田 (3)、草地 (4)、林地 (5)、商业区 (6)、油田 (7)、油罐区 (8)、工厂 (9)、矿区 (10)、太阳能发电厂 (11)、风力发电站 (12)、公园 (13)、游泳池 (14)、教堂 (15)、墓地 (16)、棒球场 (17)、篮球场 (18)、高尔夫球场 (19)、足球场 (20)、温室 (21)、网球场 (22)、居民区 (23)、岛屿 (24)、河流 (25)、停机坪 (26)、直升机场 (27)、机场跑道 (28)、桥梁 (29)、停车场 (30)、公路 (31)、路边停车区 (32)、转盘 (33)、立交桥 (34)、港口 (35)、铁路 (36)、火车站 (37)、裸地 (38)、沙漠 (39)、冰岛 (40)、山地 (41)、石质地 (42)、稀疏灌木地 (43)、海滩 (44)、湖泊 (45)。如图 1 所示，展示了本项竞赛数据集各类别场景样本。

图 1 遥感图像场景分类数据集样本示例

2.3 处理/提交结果

• 参赛者需对测试集每一幅图像进行分类并给出其预测类别的标签。

• 结果输出：txt 格式，每一幅遥感图像均需给出其预测类别标签，文件每一行代表测试集图像名称以及该图像的预测类别标签；最终结果以 zip 压缩文件格式提交，预测结果 txt 文件存放于 zip 压缩包根目录下，提交文件名称为 classification.zip。

图片名称与场景预测类别标签以空格隔开，格式示例 (提交范例：classification.zip) 如下：

1034.jpg	3
0298.jpg	12
...	...
2301.jpg	4

classification.zip

解压文件 - > 确定

classification.txt

• 提交方式：初赛和决赛阶段均需在竞赛官网在线提交竞赛对应测试数据集的场景分类输出结果；决赛阶段需同时提交遥感图像场景分类算法模型、算法模型介绍、源代码及运行测试说明等相关文档。

2.4 评分规则

本竞赛单元算法评价主要采用整体分类精度 (Overall Accuracy，OA)，选手模型预测的标签与真实标签一致即为场景分类正确。设总测试图像数为 N，分类正确的图像数为 M，则整体分类精度为：OA = M/N。

比赛初赛成绩由大赛评委会专家根据整体分类精度作为得分进行排名，整体分类精度越高，遥感图像场景分类结果越准确，排名越靠前。比赛决赛成绩将基于算法模型精度、效率、规模等指标加权，对算法模型性能进行综合评估与排名。