【위성Segment】 [위성사진, SAR] 데이터 찾기 - MSTAR, Codalab
원본 글 위치 : https://junha1125.tistory.com/53?category=836123
**
1. Git : MSTAR-tensorflow (star : 28)
Git 사이트에 의하면, [https://github.com/hamza-latif/MSTAR_tensorflow] 다음과 같은 Instruction이 있었다.
We want to train a deep neural network to identify targets in the three class MSTAR dataset obtained from \1. [https://www.sdms.afrl.af.mil/index.php?collection=mstar&page=targets] and possibly the ten class dataset from \2. [https://www.sdms.afrl.af.mil/index.php?collection=mstar&page=mixed]
이 사이트를 참고하여, Mstar에서 재공하는 public data를 찾아보았다.
Original Website -> [https://www.sdms.afrl.af.mil/index.php] 이 사이트에 회원가입하고(국민대 계정 메일 확인) Download링크를 찾아가면, 그림2의 사이트로 들어갔다. (위 인용구 2개의 사이트 둘 다 그림2로 갔다.)
그림2
그리고 targets와 mixed와 가장 관련이 깊은 다음의 파일을 다운받아 보았다.
1-1 ReadMe 정리
- Abstract
SAR (Synthetic Aperture Radar) 객체 인식은 군사 응용 분야에서 자동 표적 인식 및 공중 정찰에 중요한 문제입니다. SAR 이미지에서 유용한 Feature를 extract하고, classification하기 위해 deep CNN을 사용할 것이다. 데이터 셋은 공개적으로 사용 가능한 MSTAR(Moving and Stationary Target Acquisition and Recognition)을 사용할 것이다.
- Introduction (DataSet)
three class MSTAR dataset : [targets]
ten class MSTAR dataset : [mixed]
Paper : Deep convolutional neural networks for ATR from SAR imagery [Morgan 2015] [링크]
ten class 문제에 대해서 92.3%의 분류 정확도를 기록했다.
- Background
SAR (Synthetic Aperture Radar)은 거리에 걸쳐 안테나의 움직임을 사용하여 큰 “합성”안테나 조리개를 만들어 표준 레이더보다 훨씬 더 정밀한 해상도 이미지를 제공하는 레이더의 한 형태입니다. [기본 원리]
MSTAR 데이터 세트는 1995-1997 년에 수집 된 SAR 이미지 모음이다.
이미지는 SAR 이미지는 128 x 128 픽셀이며, float 형태의 객체 크기(magnitude) 및 위상(phase) 데이터를 포함합니다. 우리의 목적을 위해 크기(magnitude) 데이터 만 고려한다.
- Network 구조
가장 Base구조로 ResNet을 사용한다. 총 32개의 layer로 되어 있으며, Shape 변화는 이와 같다.
input size = 1(?)128128 -> 643232 ->(average pooling) 64 ->(FC) -> 10
2. *Git :* mstar-bin-tool (star : 99)
3. *Git :* yi-hack-MStar (star : 150)
-> (예상) 2개의 Git은 MSTAR 데이터를 해석하고 읽어주는 tool에 대한 firmware를 다루는 코드인 듯 하다.
우리가 원하는, 데이터 셋을 찾고 전처리하고 그리고 예측 신경망을 만들어 classification을 하는 것은 없는 듯 하다.
PS.
MSTAR dataset 다루는 방법에 관한 글 (나중에 더 찾아볼 것) : [링크]
위 글의 답변에 따르면 이 MSTAR에서 제공하는 툴을 이용하면 된다고 한다.
우선 툴이 있다는 정도만 알아두기…
<위성 데이터, SAR 데이터, 유용한 것 찾아보기>
[CodaLab]
과거에 신청해놓았던, 대회들을 통해서, 코드와 dataset을 찾아보았다.
<1. DeepGlobe Land Cover Classification Challenge>
- the challenge of automatic classification of land cover types.
- a multi-class segmentation task to detect areas
- of urban, agriculture, rangeland, forest, water, barren, and unknown.
Participate -> Get Data에서 데이터들 설명 -> Files에서 파일을 다운받을 수 있다.
