# 背景 衛星画像は、農業、防衛・諜報、エネルギー、金融など様々な市場に対して独自の洞察を提供します。[Planet](https://www.planet.com/)や[BlackSky](https://www.blacksky.com/)などの新しい商用画像プロバイダーは、小型衛星群を使用して、毎日撮影される地球の画像の量を指数関数的に増やしています。 この大量の新しい画像は、組織が手動で撮影された各画像を見る能力を超えており、機械学習とコンピュータビジョンアルゴリズムによる分析プロセスの自動化が必要とされています。 このデータセットの目的は、衛星画像から飛行機の位置を検出するという難しいタスクを解決することです。このプロセスの自動化は、空港の活動や交通パターンの監視、防衛諜報など多くの問題に適用できます。 新しいPlanet画像がリリースされるたびに、このデータセットは継続的に更新されます。現在の画像は2017年7月までに収集されたものです。 # 内容 データセット全体が.png画像チップとして含まれる圧縮ディレクトリ`planesnet.zip`が提供されます。各個別の画像ファイル名は特定の形式に従っています：{ラベル} __ {シーンID} __ {経度} _ {緯度}.png - **ラベル：** それぞれ1または0の値を持ち、「飛行機あり」クラスと「飛行機なし」クラスを表します。 - **シーンID：** 画像チップが抽出されたPlanetScopeビジュアルシーンの一意の識別子です。シーンIDは[Planet API](https://www.planet.com/docs/reference/data-api/)を使用して、シーン全体を検索してダウンロードするために使用できます。 - **経度_緯度：** 画像の中心点の経度と緯度の座標で、値は単一のアンダースコアで区切られています。 このデータセットは、JSON形式のテキストファイル`planesnet.json`としても配布されます。読み込まれたオブジェクトには、**data**、**label**、**scene_ids**、**location**のリストが含まれています。 各20x20 RGB画像のピクセル値データは、**data**リスト内の1200個の整数のリストとして保存されます。最初の400個のエントリには赤色チャンネルの値が含まれ、次の400個には緑色チャンネルの値が、最後の400個には青色チャンネルの値が含まれます。画像は行優先順で保存されているため、配列の最初の20個のエントリは画像の最初の行の赤色チャンネルの値です。 **labels**、**scene_ids**、**locations**のインデックス *i* のリスト値は、それぞれ**data**リストの *i* 番目の画像に対応しています。 ## クラスラベル 「飛行機あり」クラスには8000枚の画像が含まれています。このクラスの画像は、単一の飛行機の胴体をほぼ中心に配置しており、飛行機の翼、尾翼、機首の大部分も見えています。異なる航空機のサイズ、向き、大気収集条件の例も含まれています。このクラスの例画像を以下に示します。  「飛行機なし」クラスには24000枚の画像が含まれています。これらの画像の3分の1は、飛行機の一部も含まない、水、植生、裸地、建物などのさまざまな土地被覆の特徴をランダムにサンプリングしたものです。次の3分の1は、飛行機の一部を含んでいるが、「飛行機あり」クラスの完全な定義には満たない「部分的な飛行機」です。最後の3分の1は、「誤認要因」です。これは、以前に機械学習モデルによって誤ラベル付けされた、明るい物体や強い線形特徴を持ち、飛行機に似たチップです。このクラスの例画像を以下に示します。    # 謝辞 PlanesNetを構築するために使用された衛星画像は、Planetの[Open California](https://www.planet.com/products/open-california/)データセットを通じて提供されており、これは[オープンライセンス](https://creativecommons.org/licenses/by-sa/4.0/)です。そのため、このデータセットも同じCC - BY - SAライセンスの下で利用可能です。ユーザーは無料のPlanetアカウントを登録して、画像を検索、表示、ダウンロードし、APIにアクセスすることができます。