「衛星画像のための基礎モデル」

『美とファッションの専門家が教える鮮やかなビューティーとファッションの世界』

NASA地球観測データのためのPrithvi-100M IBM地理情報AI基礎モデル

基礎モデルは、特定のタスクに焦点を当てるのではなく、一般的なタスクに対して設計された柔軟な深層学習アルゴリズムです。ラベル付けされていない大量のデータで訓練され、最小限の微調整でさまざまな下流タスクに適用することができます。基礎モデルは自然言語処理（BERT、GPT-x）や画像処理（DALL-E）で広く知られています。

2023年8月、NASAとIBMはNASA地球観測データのための地理情報AI基礎モデルをリリースしました。このモデルはPrithviという名前でHuggingfaceでオープンソースで利用可能であり、これはヒンドゥー教の女神である地球の母であるPrithviにちなんでいます。IBMによると、このモデルはNASAの衛星データで訓練されており、250ペタバイト以上のデータが利用可能です。

このブログ投稿では、以下の内容について説明します。

• 訓練に使用されたNASA調和済みSentinel-2 Landsatデータセット
• Prithvi-100M地理情報AI基礎モデルのアーキテクチャ
• IBMのVelaスーパーコンピュータでの訓練プロセス
• 例としての洪水や作物の種別識別

訓練データ

地理情報AI基礎モデルはNASA調和済みLandSat Sentinel-2データで訓練されています。

• 「Pythonにおける構造化LLM出力の保存と解析」
• 「フォワードパスとバックプロパゲーション：ニューラルネットワークの基礎」
• 『ラグランジュの未定乗数法、KKT条件、そして双対性 – 直感的に説明する』

Sentinel-2は、ヨーロッパ宇宙機関が調整した衛星ミッションであり、現在2基の衛星が地球の高解像度画像を撮影しています。主に陸地、沿岸地域、選択された開放水域に焦点を当てています。一方、Landsat衛星はNASAによって打ち上げられ、地表反射率を記録するために使用されています。調和されたデータは、両センサーからの入力を組み合わせており、約30メートルの空間分解能と2〜3日の平均再訪時間を持っています。この解像度は、農業モニタリング、土地利用分類、自然災害の検出に十分です。

標準的な写真は赤、緑、青の3色で構成されています。Sentinel-2データは合計13の「色」、いわゆるバンドで利用できます。これらのバンドを使用して、異なる物事を識別することができます。例えば、赤外線は…です。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!