赛事比赛|FLAIR遥感语义分割和域适应、baseline

1. 比赛名称

FLAIR #1: Semantic segmentation and domain adaptation

2.赛题背景

我们在这里展示了一个大型数据集（>200 亿像素）的航空影像、地形信息和土地覆盖（建筑物、水、森林、农业…）注释，目的是进一步推进语义分割、领域适应和迁移学习。全国范围内的遥感航空影像必然是在不同的时间和日期以及在不同的条件下获得的。同样，在大范围内，语义类的特征可能会因位置而异，并变得异质。这为深度学习模型的空间和时间泛化带来了挑战！

3. 赛题数据说明

FLAIR-one 数据集由 77,412 个高分辨率（0.2 m 空间分辨率）patch组成，具有 13 个语义类（19 个原始类重新映射为 13 个，请参阅入门工具包中的相关论文进行解释）。该数据集总面积约为 800 平方公里，其中的斑块已在整个法国大都市地区进行采样，以说明不同的气候和景观（空间域）。数据集中包含的航拍图像是在不同的月份和年份（时间域）中获取的。

FLAIR-one 完整数据集（两个 .zip 文件，总共 ~ 69 G）。

4. baseline

pytorch+预训练 ResNet34 编码器+ U-Net 架构。使用的架构允许集成补丁式元数据信息，并采用常用的图像数据增强技术。结果显示在数据集的技术描述中。

baseline地址：https://drive.google.com/drive/folders/1v9E66U7uwJ2ubhkFEP73poGOlbIP-hKb

5. 奖品和规则

获奖者将于 4 月初比赛结束后公布。奖品分配如下：

🥇第一名= 5000 欧元
🥈第二名= 3500 欧元
🥉第三名= 1500 欧元

任何集成来自 FLAIR-one 数据集的数据的通信都应包括对上面提供的数据集技术描述文件的引用。

每天的尝试次数和总尝试次数都是有限的，以确保在不同时间注册比赛的团队之间的公平性。限制设置为 500 次提交和每天 20 次提交。最好的结果将在基准测试中报告。

6. 赛程安排

单阶段制：2022年11月21日——2023年3月21日

7. 比赛网址

https://codalab.lisn.upsaclay.fr/competitions/8769#learn_the_details-overview

——————————————————
以上内容来自公众号“遥感深度学习”，专注于“遥感+深度学习”相关信息共享，包括技术、论文、代码、竞赛等前沿资料。