Klassifizieren Sie Satellitenbilder parallel auf Deadline Cloud

Das Auftragspaket satellite_classification auf der GitHub Website klassifiziert Satellitenbildkacheln in Landbedeckungskategorien (Wasser, Vegetation, nackter Boden, Fels, Wolken) und führt die Ergebnisse zu einer einzigen Karte zusammen. Der Klassifikator liest die Farbverhältnisse zwischen den vier Spektralbändern jeder Kachel, um zu entscheiden, was sich auf dem Boden befindet.

Der Job wird in zwei Schritten ausgeführt. ClassifyTilesFächert eine parallele Aufgabe pro Kachel aus, die die Kachel herunterlädt, ihre Pixel klassifiziert und eine Ergebnisdatei sowie ein farbiges PNG schreibt. MosaicResultswird ausgeführt, nachdem der parallele Schritt abgeschlossen ist, und führt jede Kachel zu einer Karte sowie einem Übersichtsbild mit Klassenprozentsätzen zusammen. Dieses Fan-Out- und Merge-Muster gilt für alle Workloads, bei denen die Eingabedateien unabhängig sind.

Das Paket enthält fünf Musterkacheln, die das Gebiet um den Grand Canyon simulieren. Sie werden automatisch vom Deadline Cloud-Beispiel-CDN heruntergeladen, wenn der Job ausgeführt wird — es sind keine externen Daten oder Konten erforderlich.

Das Paket benötigt eine Farm mit einer Conda-Queue-Umgebung, die conda-forge in der Kanalliste enthalten ist (der Klassifikator verwendet das rasterio Paket). Die schnellste Einrichtung ist die Starter-Vorlage farm AWS CloudFormation (CloudFormation) auf der Website. GitHub Stellen Sie den ProdCondaChannels Parameter auf ein. deadline-cloud conda-forge

Mit den Musterkacheln einreichen:

deadline bundle submit job_bundles/satellite_classification/

Um Ihre eigenen Kacheln zu klassifizieren, zeigen Sie TilesDir auf ein lokales Verzeichnis mit 4-Band-Dateien.tif:

deadline bundle submit job_bundles/satellite_classification/ \
  -p TilesDir=path-to-tiles