HyperAI超神经

1. مقدمة البرنامج التعليمي

Prithvi-EO-2.0 هو نموذج EO الأساسي من الجيل الثاني الذي طوره فريق IBM وNASA. يستخدم Temporal ViT استراتيجية التعلم Masked AutoEncoder ويتم تدريبه على 4.2 مليون عينة منسقة من Landsat Sentinel 2 (HLS) (تحتوي كل عينة على أربعة طوابع زمنية). يحتوي النموذج على آليات الاهتمام المكاني والزماني عبر أجزاء متعددة وطوابع زمنية. علاوة على ذلك، تتم إضافة معلومات الوقت والموقع إلى إدخال النموذج عبر التضمينات. لمزيد من المعلومات حول هذا النموذج، قم بزيارةهنا.

يستخدم هذا البرنامج التعليمي نموذج Prithvi-EO-2.0-300M كعرض توضيحي، ويستخدم مورد الحوسبة RTX 4090.

يوضح هذا العرض التوضيحي عملية إعادة بناء الصورة من علامة زمنية واحدة إلى أربع علامات زمنية. يقوم النموذج بإخفاء أجزاء من الصورة بشكل عشوائي وإعادة بنائها بناءً على الأجزاء غير المقنعة. يتم دمج الصورة المعاد بناؤها مع بقع الصورة غير المقنعة المرئية. لمعالجة أسرع، نوصي بإرسال صور يبلغ حجمها تقريبًا من 224 إلى 1000 بكسل. سيتم معالجة الصور التي يزيد حجمها عن 224×224 باستخدام نهج النافذة المنزلقة، مما قد يتسبب في حدوث تشوهات بين بقع الصور.

يتعين على المستخدمين توفير صور HLS geotiff تحتوي على قنوات في وحدات الانعكاس التالية: الأزرق والأخضر والأحمر والأشعة تحت الحمراء الضيقة النطاق القريبة (NIR) والأشعة تحت الحمراء ذات الموجات القصيرة (SWIR) والأشعة تحت الحمراء ذات الموجات القصيرة 2 (SWIR 2). يمكن استخراج معلومات الموضع من ملف tif ويمكن توفير معلومات الوقت في اسم الملف باستخدام التنسيق "T" أو "T" (تنسيق HLS).

2. خطوات التشغيل

1. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب

إذا تم عرض "BadGateway"، فهذا يعني أن النموذج قيد التهيئة. نظرًا لأن النموذج كبير الحجم، يرجى الانتظار لمدة 1-2 دقيقة وتحديث الصفحة.

2. بمجرد دخولك إلى الموقع، يمكنك البدء في استخدامه

كيفية الاستخدام

العرض التوضيحي

التبادل والمناقشة

🖌️ إذا رأيت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة وإضافة [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق↓