Classez l'imagerie satellite en parallèle sur Deadline Cloud

La liste de tâches satellite_classification du GitHub site Web classe les vignettes d'images satellites en catégories de couverture terrestre (eau, végétation, sol nu, roche, nuages) et fusionne les résultats sur une seule carte. Le classificateur lit les rapports de couleurs entre les quatre bandes spectrales de chaque carreau pour déterminer ce qui se trouve au sol.

Le travail se déroule en deux étapes. ClassifyTilesdistribue une tâche parallèle par vignette qui télécharge la vignette, classe ses pixels et écrit un fichier de résultats ainsi qu'un fichier PNG couleur. MosaicResultss'exécute une fois l'étape parallèle terminée et fusionne chaque vignette en une seule carte, ainsi qu'une image d'ensemble avec des pourcentages de classe. Ce modèle de ventilation et de fusion s'applique à toute charge de travail dans laquelle les fichiers d'entrée sont indépendants.

L'ensemble est livré avec cinq échantillons de tuiles simulant la région du Grand Canyon. Ils sont téléchargés automatiquement depuis le CDN d'échantillons de Deadline Cloud lorsque la tâche est exécutée. Aucune donnée ou compte externe n'est nécessaire.

Le bundle nécessite une ferme avec un environnement de file d'attente conda qui figure conda-forge dans la liste des chaînes (le classificateur utilise le rasterio package). La configuration la plus rapide est le modèle Starter Farm AWS CloudFormation (CloudFormation) sur le GitHub site Web. Réglez son ProdCondaChannels paramètre surdeadline-cloud conda-forge.

Soumettre avec les exemples de vignettes :

deadline bundle submit job_bundles/satellite_classification/

Pour classer vos propres vignettes, pointez TilesDir sur un répertoire local contenant des .tif fichiers à 4 canaux :

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