Einfacherer Zugriff auf mehrere Geodatenquellen

Vermeiden Sie mehrere Entwicklungszyklen, um große Geodatensätze zu importieren. Die Geodaten-Funktionen von Amazon SageMaker vereinfachen die Verwendung Ihrer eigenen Daten und den Zugriff auf Open-Source-Bilder, wie Landsat 8 und Sentinel-2.

Transformation Ihrer vorhandenen Geodatensätze mit vorgefertigten Operationen

Sparen Sie Zeit, da Sie keine Warencodes für gängige Geodaten-Operationen entwickeln und pflegen müssen. Verwenden Sie beispielsweise Amazon Location Service, um die Geocodierung nahtlos zwischen Kartenkoordinaten – Längen- und Breitengrad – und Straßenadressen umzukehren. Verwenden Sie die Kartenabgleichsfunktion, um ungenaue GPS-Spuren automatisch an bekannten Straßen und Wegen auszurichten oder zu erfassen.

Beschleunigung der Vorverarbeitung umfangreicher Geodaten-Workloads

Verwenden Sie vorgefertigte Operationen zur Datenvorverarbeitung. Kombinieren Sie separate Bänder aus verschiedenen Satellitenbildern, um ein neues Multiband-Bild zu erstellen, Statistiken für Rechen-Instances zu aggregieren und andere groß angelegte Operationen mit Satellitendaten durchzuführen.

Ihr eigenes ML-Modell verwenden oder ein vorgefertigtes ML-Modell verwenden, um mit den Vorhersagen zu beginnen

Verwenden Sie vortrainierte Deep Neural Network (DNN)-Modelle, z. B. zur Segmentierung der Bodenbedeckung oder zur Wolkenmaskierung. Verwenden Sie beispielsweise die Segmentierung der Bodenbedeckung, um verschiedene Arten von Regionen für die Bodenbedeckung zu identifizieren – einschließlich Bäume oder Wasser. Verwenden Sie die Wolkenmaskierung, um wolkige und wolkenfreie Pixel zu segmentieren und um Wolken und Schatten mithilfe von vorgefertigten Funktionen zur Wolkenentfernung zu entfernen.

Zusammenarbeit bei Erkenntnissen aus Geodaten-Vorhersagen mithilfe von integrierten Visualisierungstools

Die Geodaten-Funktionen von Amazon SageMaker ermöglichen die Überlagerung von Modellvorhersagen auf einer Basiskarte und die Bereitstellung einer mehrschichtigen Visualisierung, um die Zusammenarbeit zu vereinfachen. Der GPU-betriebene interaktive Visualizer und die Python-Notebooks bieten eine nahtlose Möglichkeit, Millionen von Datenpunkten in einem einzigen Fenster zu untersuchen und Erkenntnisse und Ergebnisse freizugeben.