Mis on IBM Granite Geospatial Canopy Height?
IBM Granite Geospatial Canopy Height on spetsiaalne arvutinägemismudel, mis hindab satelliidipiltide põhjal taimkatte kõrgust. Selle täielik mudelitunnus on ibm-granite/granite-geospatial-canopyheight. Erinevalt tekst genereerivatest keelemudelitest analüüsib see mudel optilisi Maa seire andmeid ja ennustab iga asjakohase pildipiksli jaoks kõrgusväärtuse.
Tulemuseks on hinnangulisi võrastiku kõrgusi sisaldav raster. Seetõttu sobib mudel pigem kaartide ja ruumianalüüside koostamiseks kui vestlusliideses küsimustele vastamiseks. Näiteks võib metsaanalüütik kasutada selle väljundit taimkatte struktuuri erinevuste uurimiseks mingis piirkonnas, ökoloogilise hindamise toetamiseks või ühe kihina laiemas kaugseire töövoos.
Mudelit pakutakse IBM Granite'i georuumiliste mudelite töö raames, kuid hoidla teabe kohaselt ei hooldata projekti IBM-i tootena. See on Apache-2.0 litsentsi alusel saadaval allalaaditavate kaalude ja konfiguratsioonina TerraTorchi ja PyTorchi töövoogude jaoks.
Mida mudel teeb
Võrastiku kõrgus on oluline näitaja metsanduses, elupaikade analüüsis, biomassi uuringutes ja keskkonnaseires. Selle otsene mõõtmine suurtel või raskesti ligipääsetavatel aladel võib olla keeruline. Granite Geospatial Canopy Height käsitleb seda ülesannet pikslipõhise regressioonina: selle asemel et määrata pilt laia kategooriasse, hindab see kogu pildi ulatuses iga piirkonna jaoks arvulise võrastiku kõrguse.
Mudel häälestati selle ülesande jaoks täiendavalt, kasutades GEDI andmetest tuletatud võrastiku kõrguse märgendeid. GEDI ehk Global Ecosystem Dynamics Investigation pakub lidaripõhiseid vaatlusi, mida saab kasutada taimkatte struktuuri iseloomustamiseks. Mudelikaardi kohaselt toimus treenimine ja hindamine 15 bioomis, samal ajal kui seotud uurimistöö käsitleb võrastiku kõrguse hindamist Kenya ökoregioonides.
Need üksikasjad on olulised, sest mudel ei ole üldine pildi mõistmise süsteem. See on treenitud konkreetse georuumilise mõõtmise jaoks. Selle kasulikkus sõltub sellest, kas sisendiks on oodatud vormingus ning sobiva geograafilise ja keskkondliku katvusega pildid.
Sisendid ja väljundid
Konfiguratsioon määratleb kuus optilist sisendriba:
- BLUE
- GREEN
- RED
- NIR_NARROW
- SWIR_1
- SWIR_2
Pildimaterjal põhineb Harmonized Landsati ja Sentinel-2 L30 andmetel. Harmonized Landsati ja Sentinel-2 tooted on loodud selleks, et muuta kahe satelliidiallika vaatlused analüüsi jaoks omavahel paremini võrreldavaks. Seega eeldab mudel struktureeritud multispektraalseid pilte, mitte tavalist kolme kanaliga fotot, tekstiviipa, helifaili ega videofaili.
Selle peamine väljund on võrastiku kõrguse ennustusraster. Mudeli konfiguratsioon kirjeldab Swin-B põhjaksüsteemi ja UPerNeti dekoodrit. Lihtsustatult eraldab põhjaksüsteem satelliidipildist visuaalsed tunnused, samal ajal kui dekooder teisendab need tunnused ruumiliselt üksikasjalikuks ennustuseks. Väljund on mõeldud georuumiliseks töötlemiseks ja tõlgendamiseks, mitte otseseks kirjaliku aruandena esitamiseks.
Üldist tekstiväljundit, kõneväljundit, piltide genereerimist ega videoväljundit ei ole dokumenteeritud. Mudeli „pildi” võimekust tuleks mõista eelkõige multispektraalsete rasterandmete analüüsi ja ruumilise ennustus kihi loomise kaudu.
Arhitektuur ja koht Granite'i kataloogis
Granite Geospatial Canopy Height kuulub Granite'i perekonna georuumilisse harusse, mitte IBM-i vestlus- või koodigeneratsiooni mudelite hulka. Selle alusmudeli kontekst viitab mudelitele, mis on loodud õpitud esituste ülekandmiseks Maa seire ülesannetele. See konkreetne väljalase on täiendavalt häälestatud võrastiku kõrguse hindamiseks.
Selline positsioon eristab seda üldotstarbelisest visuaal-keelemudelist. Visuaal-keelemudel võib pilti kirjeldada või selle kohta küsimustele vastata, samal ajal kui see mudel on optimeeritud arvulise georuumilise ennustuse jaoks. See erineb ka tavapärasest geograafilisest infosüsteemi tööriistast: mudel annab pildimaterjali põhjal õpitud ennustusi, kuid kasutajad vajavad siiski ümbritsevat töövoogu tulemuseks oleva rasteri allalaadimiseks, ettevalmistamiseks, georefereerimiseks, valideerimiseks ja kasutamiseks.
Avaldatud konfiguratsioon ja hoidla pakuvad praktilist lähtekohta TerraTorchi ja PyTorchi kasutajatele. Kaasasolev uurimistöö ei dokumenteeri selle konkreetse mudeli jaoks eraldi hallatud juurutust IBM watsonxis, ametlikku hostitud järeldusliidest ega üldotstarbelist API-t.
Peamised tugevused
- Fokuseeritud ülesanne: Mudel on loodud konkreetse ja kasuliku mõõdiku – võrastiku kõrguse – jaoks, selle asemel et sundida üldist visuaalmudelit seda ülesannet viipade abil ligikaudselt lahendama.
- Multispektraalsed sisendid: See kasutab kuut optilist riba, sealhulgas lähiinfrapuna- ja lühilaine-infrapunakanaleid, mis annavad rohkem teavet kui tavalised nähtava valguse pildid.
- Ruumiliselt üksikasjalik väljund: Pikslipõhine regressioon loob rasteri, mis sobib kaardistamiseks ja järgnevaks geograafiliseks analüüsiks.
- Avatud kaaludega juurdepääs: Allalaaditavad kaalud ja konfiguratsioon võimaldavad tehniliste oskustega kasutajatel mudelit oma TerraTorchi või PyTorchi keskkonnas käitada.
- Laiade kasutusõigustega litsents: Projekti levitatakse Apache-2.0 litsentsi alusel, lähtudes selle litsentsi tingimustest ning võimalikest seotud sõltuvuste või andmete piirangutest.
- Teaduslik asjakohasus: GEDI-st tuletatud märgenditega treenimine ja 15 bioomi hõlmav katvus seovad mudeli dokumenteeritult ulatuslike taimkatte struktuuri uuringutega.
Need on mudelikaardi, hoidla ja konfiguratsiooniga toetatud praktilised tugevused. Neid ei tohiks segi ajada täpsuse garantiiga iga geograafilise piirkonna, aastaaja, sensori toote või metsatüübi puhul.
Piirangud ja dokumenteerimata näitajad
Mudel eeldab spetsiaalset georuumilist töövoogu. Kasutajad peavad sisendiks andma eeldatud kuue ribaga pildid ja rakendama ühilduvat eeltöötlust. Seetõttu ei sobi see kohe kasutamiseks inimesele, kellel on ainult tavalised RGB-fotod või kes soovib vastust loomulikus keeles.
Kaasasolev dokumentatsioon ei esita üldist kontekstiakent, teksti maksimaalset väljundpiirangut, märgipõhist hinda ega hostitud järeldusteenuse hinda. Need näitajad ei ole siin tähenduslikud samal viisil nagu keelemudeli puhul, sest see mudel teostab teksti genereerimise asemel rasterregressiooni. Samuti ei ole selle täpse mudeli jaoks dokumenteeritud ametlikku hallatud API-t ega järeldusteenuse pakkujat.
Täpsus võib erineda ka siis, kui sisend erineb treenimis- või hindamisandmetes esindatud andmetest. Satelliidipildid võivad asukohast, aastaajast, atmosfääritingimustest, pilvisusest, eraldusvõimest, eeltöötlusest ja sensori omadustest sõltuvalt erineda. GEDI-st tuletatud märgendid on vaatlused ja treenimise sihtväärtused, mitte garantii, et iga ennustatud piksel kajastab täpset maapealset mõõtmist. Vastutustundlik juurutus peaks ennustusi valideerima sobivate kohalike võrdlusandmete abil.
Mudelikaart ja hoidla märgivad samuti, et projekti ei hooldata IBM-i tootena. See teave on käitamise planeerimisel oluline: enne mudeli muutmist kriitiliseks tootmiskomponendiks peaksid kasutajad kontrollima hoidlast ja mudelikaardilt praegust ühilduvust, sõltuvusi, probleeme ja hooldusolekut.
Hind ja juurdepääs
Granite Geospatial Canopy Heighti ametlikku hostitud järeldusteenuse hinda ei ole dokumenteeritud. Mudel on Apache-2.0 litsentsi alusel avaldatud allalaaditava avatud kaaludega tarkvara ja konfiguratsioonina, kuid selle käitamine võib siiski kaasa tuua taristu-, salvestus-, andmehankimise, eeltöötluse ja arenduskulusid.
Kuna mudelit ei ole dokumenteeritud mõõdetava avaliku API-na, ei ole esitada kontrollitud märgipõhist, pildipõhist ega päringupõhist hinda. Kohapeal või pilves mudelit käitav kasutaja maksab vastavalt valitud arvutus- ja salvestuskeskkonnale, mitte avaldatud mudeli lõpp-punkti hinna alusel. Kaasasolev uurimistöö ei kinnita, et mõni konkreetne IBM watsonxi pakett sisaldaks selle täpse mudeli hostitud käitamist.
Võimekused lühidalt
| Võimekus | Dokumenteeritud olek |
|---|---|
| Peamine sisend | Kuue ribaga HLS L30 optilised satelliidipildid |
| Peamine väljund | Pikslipõhine võrastiku kõrguse ennustusraster |
| Arhitektuur | Swin-B põhjaksüsteem UPerNeti dekoodriga |
| Treenimismärgendid | GEDI-st tuletatud võrastiku kõrguse andmed |
| Treenimise või hindamise katvus | Mudeli dokumentatsioonis kirjeldatakse 15 bioomi |
| Teksti genereerimine | Ei ole toetatud ega dokumenteeritud |
| Tööriista- või funktsioonikutsed | Ei ole dokumenteeritud |
| Voogedastus | Ei ole dokumenteeritud |
| Hostitud API hind | Ei ole dokumenteeritud |
| Litsents | Apache-2.0 |
Millal seda mudelit valida
Vali Granite Geospatial Canopy Height siis, kui projekt vajab ühilduvast multispektraalsest satelliidipildist loodud võrastiku kõrguse kihti ja sinu meeskond suudab hallata kohandatud masinõppe töövoogu. See on eriti mõistlik valik metsaseireks, taimkatte analüüsiks, süsinikuringe uuringuteks, ökoloogiliseks hindamiseks ja kaugseire katsetusteks.
Selle avatud kaalud on kasulikud siis, kui juurutuse kontroll, reprodutseeritavus või kohapealne töötlemine on olulisem kui kasutusvalmis hostitud teenus. Teadlased võivad seda eelistada ka juhul, kui nad soovivad mudelit PyTorchi-põhises töövoos uurida või kohandada. Apache-2.0 alusel levitamine võib olla kasulik projektidele, mis peavad mudeli laiemasse rakendusse integreerima, võttes arvesse litsentsi ja projekti hooldusega seotud kaalutlusi.
Teistsugune lahendus võib olla sobivam siis, kui eesmärk on pildi vestluslik tõlgendamine, automaatne aruannete koostamine, üldine objektituvastus või hallatud järeldusteenuse lõpp-punkt. Üldine visuaal-keelemudel sobib paremini pildi kohta küsimuste esitamiseks, samal ajal kui kommertslik georuumiline platvorm võib vähendada piltide ettevalmistamiseks, partiitöötluseks, seireks ja tootmistoiminguteks vajalikku arendustööd. Neid alternatiive võib olla lihtsam kasutada, kuid need võivad pakkuda vähem otsest kontrolli mudeli kaalude ja juurutuse üle.
Praktilised juhised hindamiseks
Enne mudeli kasutamist operatiivsete otsuste tegemisel veendu, et piltidel oleksid kuus eeldatud riba ja et need vastaksid dokumenteeritud sisenditavadele. Kontrolli, kuidas ümbritsev töövoog käsitleb puuduvaid andmeid, pilvi, pildi piire ja geograafilisi metaandmeid. Ennustusi tuleks uurida ruumiliselt, mitte hinnata üksnes ühe koondarvu põhjal.
Kohapealse juurutuse korral võrdle ennustusi sõltumatute võrastiku kõrguse mõõtmiste või sihtpiirkonna sobivate võrdlusandmetega. Testi eri maastikke ja taimkatte tüüpe ning dokumenteeri, kuidas jõudlus nende vahel muutub. See on eriti oluline siis, kui piiratud hulgas keskkondades treenitud või hinnatud mudelit rakendatakse uues riigis või bioomis.
Kokkuvõttes tuleks Granite Geospatial Canopy Heighti mõista kui avatud ja spetsialiseeritud georuumi regressioonimudelit, mitte kui vestlusrobotit, üldotstarbelist pildimudelit või valmis hostitud teenust. Selle väärtus seisneb ühilduvate multispektraalsete satelliidipiltide teisendamises võrastiku kõrguse kaardiks, mida saab kaasata hoolikalt valideeritud kaugseire töövoogu.