Classifica le immagini satellitari in parallelo su Deadline Cloud

Il job bundle satellite_classification presente sul GitHub sito web classifica i riquadri delle immagini satellitari in categorie relative alla copertura del suolo (acqua, vegetazione, suolo nudo, roccia, nuvole) e unisce i risultati in un'unica mappa. Il classificatore legge i rapporti cromatici tra le quattro bande spettrali di ogni riquadro per decidere cosa c'è sul terreno.

Il processo viene eseguito in due fasi. ClassifyTilesesegue un'operazione parallela per ogni riquadro che scarica il riquadro, ne classifica i pixel e scrive un file dei risultati più un PNG a colori. MosaicResultsviene eseguito al termine della fase parallela e unisce ogni riquadro in un'unica mappa più un'immagine panoramica con le percentuali delle classi. Questo modello di fan-out and merge si applica a qualsiasi carico di lavoro in cui i file di input sono indipendenti.

Il pacchetto include cinque tessere campione che simulano l'area del Grand Canyon. Vengono scaricati automaticamente dal CDN di esempio di Deadline Cloud quando il lavoro viene eseguito, senza bisogno di dati o account esterni.

Il pacchetto richiede una farm con un ambiente di coda conda presente conda-forge nell'elenco dei canali (il classificatore utilizza il pacchetto). rasterio La configurazione più rapida è il modello starter farm AWS CloudFormation () sul sito Web.CloudFormation GitHub Imposta il suo ProdCondaChannels parametro su. deadline-cloud conda-forge

Invia con i riquadri di esempio:

deadline bundle submit job_bundles/satellite_classification/

Per classificare le tue tessere, punta TilesDir a una directory locale di file a 4 bande.tif:

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