リモートセンシングの分類タスク向けデータセット
めっちゃたくさんあった。でも、ソースはほぼGoogle Earthです。リンクは気が向いたら載せます。
Data Set | class | samples (per class) | size | resolution | source |
---|---|---|---|---|---|
UC-Merced dataset | 21 | 100 | 256 x 256 | 0.3m (1foot) | the USGS National Map Urban Area Imagery collection |
WHU-RS19 dataset | 19 | 50 | 600 x 600 | ~0.5m | Google Earth |
RSSCN7 | 7 | 400 | 400 x 400 | Google Earth | |
AID dataset | 30 | 200 ~ 400 | 600 x 600 | 0.5~8m | Google Earth |
PatternNet | 38 | 800 | 256 x 256 | 0.062~4.693m | Google Earth & Google Map API |
SAT-4 dataset | 4 | 約10'000 | 28 x 28 | 1m | aircraft |
SAT-6 dataset | 6 | 約54'000 | 28 x 28 | 1m | aircraft |
RSI-CB 256 | 35 | 約685 | 256 x256 | 0.3~3m | Google Earth & Bing Map |
RSI-CB 256 | 45 | 約800 | 128 x 128 | 0.3~3m | Google Earth & Bing Map |
NWPU-RESISC45 dataset | 45 | 700 | 256x256 | 0.2~30m | Google Earth |
SIRI-WHU | 12 | 200 | 200 x 200 | 2m | Google Earth |
Brazillian Coffee Scenes | 3 | 64 x 64 | 1'438~36'577 (計 51'004) | おそらく 10m | SPOT |
tiff画像を扱うpythonモジュール"tifffile"の紹介
tifffile を使おう
あまり無い機会だとは思いますがディープラーニングの源泉画像としてtif形式のものを用いることがあります。 たとえば地理画像の解析をする場合、tiff形式で提供されていることも多く、また4バンド以上の画像を扱わなければいけない場合があります。
gdalというライブラリも多機能で結構便利なのですが使い勝手がやや悪いことがネックになっていました。 自分の環境でgdalのインストールに失敗したこともあって、代わりのライブラリを探していたということもあります。
そんな時に見つけたのがtifffileというそのままの名前のモジュールです。 試してみたところ使い勝手が非常に良かったため紹介させていただきます。
インストール
※anaconda環境の場合
conda install -c conda-forge tifffile
(参照)https://anaconda.org/conda-forge/tifffile
画像の読みこみ
imreadというメソッドを使います
>>> import tifffile
>>> image = tifffile.imread('image.tif')
>>> image.shape
(6000, 6000, 4)
書き方はちょっとopenCVっぽいですね。。。
画像の保存
imsaveというメソッドです
>>> import tifffile
>>> import numpy as np
>>> data = np.random.randint(0,256,(600,600,3))
>>> data = data.astype(np.uint8)
>>> tifffile.imsave('image.tif', data)
ノイズ画像が保存できました。