IBM 및 NASA 오픈 소스 위성 이미지 라벨링 AI 모델

플라톤에 의해 재발행

팔로워 : 0

IBM 및 NASA 오픈 소스 위성 이미지 라벨링 AI 모델 PlatoBlockchain Data Intelligence. 수직 검색. 일체 포함.

IBM과 NASA는 과학자와 다른 사람들이 위성 이미지를 분석하는 데 도움이 될 수 있는 오픈 소스 기반 AI 모델인 Prithvi를 결합하여 출시했습니다.

아파치 2 라이선스로 출시된 비전 트랜스포머 모델은 파라미터가 100억 개로 상대적으로 작으며, 미국 우주관의 하모나이즈드 랜드샛 센티넬-2(Harmonized Landsat Sentinel-XNUMX)가 수집한 XNUMX년 분량의 이미지로 훈련됐다.HLS) 프로그램. 기본 모델뿐만 아니라 범람 식별을 위해 미세 조정된 Prithvi의 세 가지 변종을 사용할 수 있습니다. 산불 화상 흉터; 농작물 및 기타 토지 이용.

기본적으로 작동 방식은 다음과 같습니다. 모델 중 한 명에게 오버헤드 위성 사진을 제공하면 모델이 이해하는 스냅의 영역에 레이블을 지정합니다. 예를 들어, 작물에 대해 미세 조정된 변형은 물, 숲, 옥수수 밭, 목화 밭, 개발된 땅, 습지 등이 있는 곳을 가리킬 수 있습니다.

이 컬렉션은 예를 들어 홍수로 인한 침식 추적 또는 가뭄과 산불이 지역을 강타한 방식과 같이 시간 경과에 따른 토지 변화 연구를 자동화하는 데 유용할 것이라고 생각합니다. Big Blue와 NASA는 머신 러닝으로 이 작업을 수행한 최초의 기업이 아닙니다. 많은 of 이전의 노력 우리는 인용할 수 있습니다.

작물 분류 Prithvi 모델의 데모를 찾을 수 있습니다. 여기에서 지금 확인해 보세요.. 자신의 위성 이미지를 제공하거나 페이지 하단에 있는 예 중 하나를 사용하십시오. 제출을 클릭하여 모델을 실시간으로 실행합니다.

NASA의 최고 과학 데이터 책임자인 케빈 머피(Kevin Murphy)는 “기초 모델이 관측 데이터 분석 방식을 바꾸고 지구를 더 잘 이해하는 데 도움이 될 잠재력이 있다고 믿습니다. 말했다 성명서에서. "그리고 그러한 모델을 오픈 소싱하고 전 세계에서 사용할 수 있게 함으로써 우리는 그 영향력을 배가할 수 있기를 바랍니다."

개발자는 Hugging Face에서 모델을 다운로드할 수 있습니다. 여기에서 지금 확인해 보세요..

다음과 같은 Prithvi의 다른 온라인 데모가 있습니다. 이것 수역에 맞게 미세 조정된 변형의 경우; 이것 산불 흉터 감지용; 그리고 이것 부분적으로 촬영된 영역을 재구성하는 모델의 능력을 보여줍니다.

기초 모델은 특정 작업을 수행하기 위해 미세 조정할 수 있는 사전 훈련된 일반화 모델입니다. 스탠포드 인간 중심 인공 지능 연구소에서 만든 용어입니다. IBM 주장 Prithvi는 레이블이 지정된 데이터의 절반도 안 되는 양에 의존함에도 불구하고 지형 공간 이미지 분석에서 이전(이름 없는) 최첨단 기술보다 최대 15% 더 뛰어납니다.

특히 지구 궤도를 도는 과학 탐사선이 수집한 위성 데이터의 양이 추정됨에 따라 이 모델이 사람들이 기후 변화와 토지 사용을 추적하는 데 도움이 되기를 바랍니다.PDF] 250,000년까지 2024테라바이트에 도달합니다.

IBM은 다음을 사용하여 모델을 교육했다고 말했습니다. 양초, AI 슈퍼컴퓨터 클러스터. 즉, 우리는 또한 들었다 Big Blue는 Nvidia V100 GPU를 사용하여 범람을 감지하기 위한 모델을 미세 조정하는 데 약 XNUMX시간 밖에 걸리지 않았으므로 자신만의 변종을 만드는 데 막대한 양의 철이 필요하지 않을 수 있습니다.

Prithvi의 상용화 버전은 올해 후반에 출시될 예정입니다.

NASA IMPACT(Interagency Implementation and Advanced Concepts Team)의 관리자이자 수석 연구 과학자인 Rahul Ramachandran은 "지구 관측을 위한 AI 기반 모델은 복잡한 과학적 문제를 해결하고 다양한 애플리케이션에 걸쳐 AI의 광범위한 배포를 촉진할 수 있는 엄청난 잠재력을 제시합니다."라고 말했습니다.

"우리는 지구 과학 및 응용 커뮤니티에 이 초기 HLS 기반 모델을 다양한 용도로 평가하고 장점과 단점에 대한 피드백을 공유할 것을 요청합니다."라고 그는 덧붙였습니다. ®