SSL4EO-S12: A large-scale multimodal, multitemporal dataset for self-supervised learning in Earth observation [Software and Data Sets]

Wang, Yi und Ait Ali Braham, Nassim und Xiong, Zhitong und Liu, Chenying und Albrecht, Conrad M. und Zhu, Xiao Xiang (2023) SSL4EO-S12: A large-scale multimodal, multitemporal dataset for self-supervised learning in Earth observation [Software and Data Sets]. IEEE Geoscience and Remote Sensing Magazine (GRSM), 11 (3), Seiten 98-106. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/MGRS.2023.3281651. ISSN 2168-6831.

PDF - Postprintversion (akzeptierte Manuskriptversion)
7MB

Offizielle URL: https://dx.doi.org/10.1109/MGRS.2023.3281651

elib-URL des Eintrags:

https://elib.dlr.de/199502/

Dokumentart:

Zeitschriftenbeitrag

Titel:

SSL4EO-S12: A large-scale multimodal, multitemporal dataset for self-supervised learning in Earth observation [Software and Data Sets]

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Wang, Yi	Yi.Wang (at) dlr.de	https://orcid.org/0000-0002-3096-6610	NICHT SPEZIFIZIERT
Ait Ali Braham, Nassim	Nassim.AitAliBraham (at) dlr.de	https://orcid.org/0009-0001-3346-3373	NICHT SPEZIFIZIERT
Xiong, Zhitong	zhitong.xiong (at) tum.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Liu, Chenying	chenying.liu (at) dlr.de	https://orcid.org/0000-0001-9172-3586	147176325
Albrecht, Conrad M.	Conrad.Albrecht (at) dlr.de	https://orcid.org/0009-0009-2422-7289	NICHT SPEZIFIZIERT
Zhu, Xiao Xiang	XiaoXiang.Zhu (at) tum.de	https://orcid.org/0000-0001-5530-3613	NICHT SPEZIFIZIERT

Datum:

25 September 2023

Erschienen in:

IEEE Geoscience and Remote Sensing Magazine (GRSM)

Referierte Publikation:

Open Access:

Gold Open Access:

Nein

In SCOPUS:

In ISI Web of Science:

Band:

DOI:

10.1109/MGRS.2023.3281651

Seitenbereich:

Seiten 98-106

Verlag:

IEEE - Institute of Electrical and Electronics Engineers

ISSN:

2168-6831

Status:

veröffentlicht

Stichwörter:

remote sensing, self-supervised learning, foundation model, dataset

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Erdbeobachtung

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R EO - Erdbeobachtung

DLR - Teilgebiet (Projekt, Vorhaben):

R - Künstliche Intelligenz

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Institut für Methodik der Fernerkundung > EO Data Science

Hinterlegt von:

Wang, Yi

Hinterlegt am:

22 Nov 2023 13:30

Letzte Änderung:

27 Feb 2024 18:14

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags