衛星データを使用してMachine Learningアルゴリズムを実行する

公開日: 2021 年 5 月 24 日 (図の履歴)

このアーキテクチャは、 AWS Ground Stationを使用して衛星画像を取り込む方法を示しています。Amazon SageMaker AI を使用すると、画像データのラベル付け、ML モデルのトレーニング、自動画像分析のための推論のデプロイを行うことができます。

次の手順では、アーキテクチャについて説明します。

衛星はデータと画像を AWS Ground Station アンテナに送信します。
AWS Ground Station は、ベースバンドまたはデジタル化された RF-over-IP データを Amazon Elastic Compute Cloud インスタンスに配信します。
Amazon EC2 インスタンスはデータを受信して処理し、Amazon Simple Storage Service バケットに保存します。
Jupyter ノートブックは Amazon S3 バケットからデータを取り込んで、トレーニング用のデータを準備します。
SageMaker AI Ground Truth はイメージにラベルを付けます。
ラベル付きイメージは Amazon S3 バケットに保存されます。
Jupyter ノートブックは、トレーニングアルゴリズムとコードをホストします。
SageMaker AI は、データに対してトレーニングアルゴリズムを実行し、ML モデルをトレーニングします。
SageMaker AI は ML モデルをエンドポイントにデプロイします。
SageMaker AI ML モデルは画像データを処理し、生成された推論とメタデータを Amazon DynamoDB に保存します。
Amazon S3 に受信した画像データは、画像データに対して ML サービスを実行する AWS Lambda関数を自動的にトリガーします。
アプリケーションはとやり取りAWS Amplifyして ML アルゴリズムとデータベースにアクセスします。

詳細情報

詳細については、次のリソースを参照してください。

このリファレンスアーキテクチャ図の更新について通知を受け取るには、RSS フィードをサブスクライブします。

変更	説明	日付
初版発行	リファレンスアーキテクチャ図が最初に公開されました。	2021 年 5 月 24 日

RSS 更新をサブスクライブするには、使用しているブラウザで RSS プラグインが有効になっている必要があります。

ブラウザで JavaScript が無効になっているか、使用できません。

AWS ドキュメントを使用するには、JavaScript を有効にする必要があります。手順については、使用するブラウザのヘルプページを参照してください。