개시하다

MSTAR는 AI 시스템을 개발하는 데 유용한 데이터 집합이라고 할 수 있는데 본고는 MSTAR의 사용 방법과 데이터 가공의 샘플 코드를 보도했다.

MSTAR

SAR(합성 공경 레이더) 이미지의 유명한 데이터 세트입니다.

그림: 2S1의 레이더 이미지

입수 방법

1. 아래 계정에서 생성
https://www.sdms.afrl.af.mil/index.php?collection=registration
2. 데이터 다운로드
● 일반적으로 SAR 데이터의 분류, 식별에 관한 연구에서는 MSTAR Public Data Products를 사용합니다.
다음을 다운로드하십시오.
　MSTAR Clutter (CD1, CD2);
　MSTAR Target Chips (CD1);
　MSTAR/IU Mixed Targets (CD1, CD2)
　MSTAR/IU T-72 Variants (CD1, CD2)

사용법

각 파일의 목표는 다음과 같습니다.
MSTAR Clutter:대상 노이즈 이미지 없음
MSTAR Target Chips: T72, BMP2, BTR70
MSTAR/IU Mixed Targets:BTR60, 2S1, BRDM2, D7, T62, ZIL131, ZSU23
MSTAR/IUT-72 Variants: 모델별 T-72 캔
* 폴더 내(숫자)DEG는 원심각을 나타냅니다.
● 복상 및 강도 이미지가 있다.

데이터 가공

아래의 코드로 데이터 집합 파일을 만들어 보았다.
ImageChanger.py

# -*- coding: utf-8 -*-
"""
Created on Sun Oct 29 15:20:09 2017

"""
from PIL import Image
import numpy as np

num = 100 # 使用する画像枚数
typenum = 2 # 目標種類数

# 適当に事前割り当てを作成（仮処置）
imgset = np.zeros((num * typenum, 200**2))

for m in range(typenum):
    for l in range(num):
        # 元となる画像の読み込み
        img = Image.open('%s__ (%s).jpg' %(m + 1, l + 1))
        print('%s__ (%s).jpg' %(m + 1, l + 1))
        img = np.array(img)

        # 画像ベクトル生成
        k = 0
        tmp = img[k]
        for k in range(len(img) - 1):
            tmp = np.r_[tmp,img[k + 1]]
        imgvec = tmp

        # ゼロ埋め（仮処置）
        nnn = 200**2 - len(imgvec)
        imgvec = np.r_[imgvec, np.zeros((nnn - 1,)), m + 1]

        imgset[l + m * 100] = imgvec
        print(imgvec)
        imageData = imgset

np.savetxt('test.txt', imgset[0:3, 0:4], delimiter = ',')

주)jpg의 픽셀 수가 분산되어 처리하기 좀 어렵다
왜 특별히 txt 파일을 만들었습니까?
A:다음은txt가 만든데이터집이라서우직하게흉내냈습니다.train생성은 아직성공하지 못했습니다...
https://qiita.com/tommyfms2/items/c3fa0cb258c17468cb30
· 이 징그러운 코드는 무엇입니까?
미안합니다.

총결산

MSTAR에서 사용할 수 있습니다.