从 Google 地球引擎中提取 10'000 张图像

Question

我想从 Earth Engine 获取 10k 个 100x100x[nBands] 像素的图像。

我创建了一个区域，我想从中选择图像。

我计划在 Region 中创建 10k 个随机点，并为每个点在周围区域中选择 100x100 像素。然后我将使用 Export.image.toDrive 函数单独导出每个图像。

导出格式为 TFRecords，适用于 Tensor Flow Records，一种特殊的压缩数据类型。

我认为这种方法很糟糕。可能有一种更合适的方法可以从 Earth Engine 中提取数据集。到目前为止，我可以将整个区域导出为一张巨大的图像。

我计划使用这些数据来训练卷积神经网络。

1. 在 Earth Engine 中是否有更好的方法来提取 10k 图像？
2. 如果不是，那么在 TensorFlow 方面，我们是否可以使用带有某种内核的整个 Region 图像来为算法提供新的随机训练样本？

欢迎任何帮助！提前感谢您的回答。

Answer 1

Export.image 支持导出规则间隔，可能重叠图像的补丁。如果您想这样做，您可以通过一次导出来完成。但是在这种情况下，如果您想在集合中的每个预定义点导出补丁而不是规则间隔的补丁，您应该使用Export.table, which also supports TFRecord export format。

您必须在图像上使用 neighborhoodToArray 显式构建 100×100 补丁，然后在您选择的点对图像进行采样。

（假设您使用 Python 工作的 Python 示例代码。）

# 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 ...])

我个人并不熟悉进行 TensorFlow 训练的全部细节，但我有 this complete example recommended as a starting point（我用它来写上面的草图）。请注意，此示例执行多个导出，因为它在多个多边形内进行采样，但是如果您有一个标记点​​集合，那么您可以只使用一个导出任务，正如我在上面所概述的那样。