雖然昨天說今天要開始部屬環境，但在那之前我們先來了解我們的資料集，From TASA。

作為一個地理資訊相關的專案，我決定使用**國家太空中心 (TASA)**提供的開源衛星影像。
既然選擇 Software Development 作為主賽道，開發過程中資料集常常是最重要的部分之一，在公開地理資訊的部分除了大家熟習的 OpenStreetMap 之外還有很多，這次我選擇 國家太空中心 (TASA) 做為資料集的來源，因為我認為衛星的部分
是地理資訊的代表之一。

不過各位，這個想法很快就破滅了，因為我看到衛星影像居然還要申請，沒辦法，查了另一個叫做 Sentinel-2 的歐洲開源衛星資料官方，接下來就用這個了。

Sentinel-2 Introduction

當然轉到這個也不是沒有好處，只不過我要翻一堆英文的技術文件。
我列個幾點還不錯的地方(外網找的):
1.更新頻率還蠻快的
2.高度在合理範圍
3.免費就是香

SNAP

在 Bilibili 上看幾個影片後發現 SNAP 這個似乎很強大的工具，需要這個首先是因為從 Sentinel-2 直接抓下來的原始資料集是黑白的，不像平常攝影機出來是直接彩色的，通常會是有不同的 sensor 去抓不同的色段(會有不同的檔名，通常代表不同色段)，所以想必直接把原始資料及放出去給 YOLO 訓練我會死得很慘，所以這時需要我們的波段融合技術登場。

波段融合(Band Merging)

在剛剛講到因為原始數據他是用不同 sensor 抓得所以會有不同波段的資料，為了讓資料可以直接餵給 YOLO 做訓練，波段融合這個技術幫了很大的忙，簡單來說就是把不同的光譜資料做疊加，讓整張圖片看起來不再黑白，變成我們肉眼可以直觀的彩色圖片，我想這應該就可以直接丟 YOLO 吧。

GeoTIFF and Rasterio

在做完資料處理後我們不能直接輸出成 JPG 或是 PNG ，因為這樣會讓之後模型無法辨識，原因有兩個，一個是因為 GeoTIFF(.tif) 包含 RGB 的三通道矩陣，讓未來 Python 可以直接轉成 Pytoch 看得懂的 Tensor，餵給 YOLO 做物件辨識，第二個原因是因為 SNAP 處理過後的 GeoTIFF 還是有保留空間參考資訊(CRS)，這也是為甚麼在昨天的架構圖裡會有 Rasterio ，透過 YOLO 回傳的資訊，用 Rasterio 讀 GeoTIFF 裡面的地理資訊在反推回真實世界的經緯度。

小結

總之今天知道 TASA 不能用很難過(我真的懶的申請)，不過這個新找的似乎也還不錯，既然今天資料及來源正式確定也稍微理解過後，明天我們再來看其他部分的細節吧。