Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Algorithmen für maschinelles Lernen mit Satellitendaten ausführen
Veröffentlichungsdatum: 24. Mai 2021 () Verlauf des Diagramms
Diese Architektur zeigt, wie AWS Ground Station Satellitenbilder aufgenommen werden. Mit Amazon SageMaker AI können Sie Bilddaten kennzeichnen, ein ML-Modell trainieren und Inferenzen für die automatische Bildanalyse bereitstellen.
Führen Sie Algorithmen für maschinelles Lernen mit Satellitendaten aus
Die folgenden Schritte beschreiben die Architektur:
-
Der Satellit sendet Daten und Bilder an die AWS Ground Station Antenne.
-
AWS Ground Station liefert Basisband- oder digitalisierte RF-over-IP Daten an eine Amazon Elastic Compute Cloud-Instance.
-
Die Amazon EC2-Instance empfängt und verarbeitet die Daten und speichert sie dann in einem Amazon Simple Storage Service-Bucket.
-
Ein Jupyter Notebook nimmt Daten aus dem Amazon S3-Bucket auf, um die Daten für das Training vorzubereiten.
-
SageMaker AI Ground Truth beschriftet die Bilder.
-
Die beschrifteten Bilder werden im Amazon S3-Bucket gespeichert.
-
Das Jupyter Notebook hostet den Trainingsalgorithmus und den Code.
-
SageMaker Die KI führt den Trainingsalgorithmus auf den Daten aus und trainiert das ML-Modell.
-
SageMaker KI stellt die ML-Modelle an einem Endpunkt bereit.
-
Das SageMaker KI-ML-Modell verarbeitet Bilddaten und speichert die generierten Inferenzen und Metadaten in Amazon DynamoDB.
-
In Amazon S3 empfangene Bilddaten lösen automatisch eine AWS Lambda Funktion aus, um ML-Dienste für die Bilddaten auszuführen.
-
Anwendungen interagieren mit AWS Amplify, um auf den ML-Algorithmus und die Datenbank zuzugreifen.
Weitere Informationen
Weitere Informationen finden Sie in den folgenden Ressourcen:
Verlauf des Diagramms
Abonnieren Sie den RSS-Feed, um über Aktualisierungen dieses Referenzarchitekturdiagramms informiert zu werden.
| Änderung | Beschreibung | Datum |
|---|---|---|
Erste Veröffentlichung | Das Referenzarchitekturdiagramm wurde zuerst veröffentlicht. | 24. Mai 2021 |
Anmerkung
Um RSS-Updates zu abonnieren, muss ein RSS-Plugin für den von Ihnen verwendeten Browser aktiviert sein.
