Đang chuẩn bị liên kết để tải về tài liệu:
Nghiên cứu thử nghiệm kết hợp môi trường làm việc Google Colaboratory và phương pháp học máy (Machine learning) trong phân loại ảnh viễn thám

Khi độ chính xác và mật độ dữ liệu tăng theo thời gian, khối lượng dữ liệu tăng theo cấp số nhân nên đó thực sự là nguồn dữ liệu vô cùng khổng lồ mà trong những năm gần đây có dùng thuật ngữ “Big data” để mô tả . Dữ liệu viễn thám là dữ liệu có cấu trúc phức tạp, nhiều định dạng do đó cần phải thiết kế hệ thống có kiến trúc lưu trữ loại big data viễn thám này. Trong phạm vi bài viết này, nhóm nghiên cứu đã thử nghiệm tính khả dụng của môi trường Google Colaboratory phục vụ phân loại ảnh viễn thám. | Nghiên cứu NGHIÊN CỨU THỬ NGHIỆM KẾT HỢP MÔI TRƯỜNG LÀM VIỆC GOOGLE COLABORATORY VÀ PHƯƠNG PHÁP HỌC MÁY MACHINE LEARNING TRONG PHÂN LOẠI ẢNH VIỄN THÁM PHẠM MINH HẢI 1 NGUYỄN NGỌC QUANG 2 1 Viện Khoa học Đo đạc và Bản đồ 2 Cục Viễn thám Quốc gia Tóm tắt Khi độ chính xác và mật độ dữ liệu tăng theo thời gian khối lượng dữ liệu tăng theo cấp số nhân nên đó thực sự là nguồn dữ liệu vô cùng khổng lồ mà trong những năm gần đây có dùng thuật ngữ Big data để mô tả . Dữ liệu viễn thám là dữ liệu có cấu trúc phức tạp nhiều định dạng do đó cần phải thiết kế hệ thống có kiến trúc lưu trữ loại big data viễn thám này. Bên cạnh đó một môi trường có thể xử lý với tốc độ nhanh khả năng ứng dụng được các phương pháp học máy để xử lý dữ liệu viễn thám cần được quan tâm nghiên cứu phát triển. Trong phạm vi bài báo này nhóm nghiên cứu đã thử nghiệm tính khả dụng của môi trường Google Colaboratory phục vụ phân loại ảnh viễn thám. 1. Giới thiệu chung loại big data viễn thám này. Một vấn đề nữa là xử lý dữ liệu viễn thám đặt ra yêu cầu cao về Trong những năm gần đây sự phát triển công hiệu năng tính toán. Một mặt với sự cải tiến liên nghệ số đã khởi xướng việc phổ biến dữ liệu tục về chất lượng và độ chính xác của dữ liệu dữ viễn thám rộng rãi tới người sử dụng. Hiện tại liệu có độ phân giải cao hơn cần được xử lý mặt đã có hơn 1000 vệ tinh viễn thám đã được phóng khác với sự phát triển của các thuật toán như lên quỹ đạo 1 và dữ liệu thu được tại trạm thu machine learning và deep learning các thuật ảnh vệ tinh được lưu trữ nhiềuTerabyte mỗi ngày toán xử lý dữ liệu viễn thám ngày càng trở nên 2 . Theo thống kê của Hệ thống thông tin và dữ phức tạp. liệu hệ thống quan sát trái đất EOSDIS năm 2014 EOSDIS quản lý hơn 9 Petabyte dữ liệu và Để giải quyết các vấn đề trên các nhà khoa hàng ngày nhận thêm 6.4 Terabyte vào kho lưu học đã nỗ lực tập trung vào tính khả dụng của dữ trữ NASA 2016 . Ở cơ quan vũ trụ châu Âu liệu viễn thám và khả năng xử lý. Để đảm bảo lượng dữ liệu ảnh viễn thám thu .