从谷歌地球引擎中提取10,000幅图像

Question

我想从地球引擎中获得每一个100×100像素的10k图像。

我创建了一个区域，我想从其中选择图像。

我计划在区域中创建10k随机点，并为每个点在周围区域选择100×100像素。然后，我将使用Export.image.toDrive函数分别导出每个图像。

导出格式为TFRecords格式，用于特殊的压缩数据类型--张量流记录。

我认为这种方法糟透了。也许有一种从地球引擎中提取数据集的更合适的方法。到目前为止，我可以输出整个地区作为一个巨大的形象。

我计划利用这些数据来训练一个卷积神经网络。

1. 是否有更好的方法在地球引擎中提取10k图像？
2. 如果没有，那么在TensorFlow方面，我们是否可以使用带有某种核的整个区域图像来向算法提供新的随机训练样本？

欢迎任何帮助！提前谢谢你的回答。

Answer 1

Export.image支持导出有规律的间隔，可能重叠的图像补丁。如果你想这样做，你可以用一个出口。但是在这种情况下，如果希望在集合中的每个预定义点导出补丁，而不是使用固定间隔的修补程序，则应该使用，它还支持TFRecord导出格式。。

您必须在图像上使用neighborhoodToArray显式地构造100×100个补丁，然后在选定的点上对图像进行采样。

( Python中的示例代码假设您在Python中工作。)

# Exactly 100x100 kernel
kernel = ee.Kernel.fixed(100, 100, [[1] * 100] * 100)

neighborhoodImage = myImageToBeSampled.neighborhoodToArray(kernel)
samples = neighborhoodImage.sampleRegions(collection=myTrainingRandomPoints)
Export.table.toDrive(
 collection=samples,
 fileFormat='TFRecord',
 selectors=[... training data band name and feature property names go here ...])

我个人不太熟悉做TensorFlow培训的全部细节，但是我让这个完整的例子推荐作为一个起点 (我用它来编写上面的草图)这个示例执行多个导出，因为它是在多个多边形内采样，但是如果您有一个标记点的集合，那么您可以只使用一个导出任务，正如我上面所描述的那样。