ALIs

kommt noch

Achtung: Die Navigationslinks auf dieser Seite funktionieren nicht, weil das nicht der Rahmen ist, der zu diesem Skript gehört. Wenn das Skript ordnungsgemäß dort installiert ist, wo es später laufen soll, funktionieren auch die Links in der dortigen Umgebung.

LINUX Cluster Project

Bildverstehen in Fernerkundungsdaten


Institution

  • Name: Lehrstuhl für Methodik der Fernerkundung
  • Address: Arcisstraße 21, 80333 München
  • Project Proposal Date: 2017-04-05 14:15:51

Abstract:

Das Primäre Anwendungsfeld auf dem Linux Cluster ist das Training von Neuronalen Netzen für Remote Sensing insbesondere für Video Prädiktion und Land Cover Klassifikation mit Convolutional und Rekurrenten Neuronalen Netzen. Eine Reihe von Erdbeobachtungssatelliten liefern Reflexionsdaten der Erdoberfläche von großen Regionen mit hoher Wiederholungsrate. Deep Learning Ansätze liefern die Möglichkeit diese Daten in ihrer Gesamtheit effizient auszuwerten und für Anwendungen zu nutzen. Insbesondere Bodenbedeckungen lassen sich mit Convolutional und Rekurrenten Neuronalen Netzen gut klassifizieren (Land Cover Klassifikation) Um komplexe Neuronale Netze in annehmbarer Zeit trainieren zu können ist eine möglichst gute Infrastruktur notwendig. Besonders Grafik Prozessoren finden im Deep Learning Kontext weite Verbreitung und Beschleunigen den Trainingsprozess. In diesem Rahmen bietet der NVIDIA DGX-1 Deep Learning Server im Linux Cluster die optimale Infrastruktur für unsere Trainingsaufgaben.