分类数据集制备过程
step1：通过仿真或从检测图像中截取获取数据
从检测数据中获取数据的方法如下：由检测边框标签 xml文件 中得到目标边框坐标，之后将边框向外扩充N个像素点，得到图像patch作为分类图像。
相关代码在
from_xml_to_img_patch.zip中。背景图像数据可从检测数据集和其余SAR背景图像中截取，截取采用等大小依次滑窗截取，相关代码在
cut_background_patch.zip中。与仿真图像一起构成数据集。
step2：删除部分不合理数据
如 ship&airplane&background 数据集中需将侧面的飞机数据删除。
step3：将三通道数据转存为单通道数据， 删除部分仿真图像中相似的图像，从而使仿真图像的数目与真实图像的数目接近。
注:由于python图像存储对于channel的处理不明确，此处选择matlab代码实现one channel图像的存储。
相关代码在channel1_airplane.m中。step4：划分数据集为训练数据集 train 和测试数据集 test
step5：数据增强
图像旋转实现的数据增强需在tensorflow框架外实现。我们将图像依45:45:315选取角度对图像进行旋转并存储，其中训练数据旋转，测试数据不旋转。
相关代码为
cls_augment_rotation.zip