建设网站需要哪些硬件设施,外媒头条最新消息,微信公众账号平台入口,黄岛开发区网站制作前言
AI earth是阿里达摩院出的遥感云计算平台#xff0c;我简单体验下来感觉像是GEE的python版本遥感深度学习计算平台#xff0c;整体体验还是挺不错的#xff0c;尤其是多分类的结果还是挺惊艳的。
平台提供工具箱和notebook两种模式#xff0c;工具箱整个交互简单易用…前言
AI earth是阿里达摩院出的遥感云计算平台我简单体验下来感觉像是GEE的python版本遥感深度学习计算平台整体体验还是挺不错的尤其是多分类的结果还是挺惊艳的。
平台提供工具箱和notebook两种模式工具箱整个交互简单易用这里主要说一下基于notebook的工具箱app调用处理更多玩法可以参考官方api文档。
权限配置 获取AccessKey并授权
第一种 创建RAM用户的AccessKey
登录RAM控制台。在左侧导航栏选择****身份管理** *用户***。在用户页面单击目标RAM用户名称。在用户AccessKey区域单击创建AccessKey。根据界面提示完成安全验证。在 权限管理-授权 页面选择需要授权的子账号并选择 AliyunRsimganalysFullAccess 系统权限即可允许对应子账号使用AI Earth云平台功能。如需购买[AI Earth增值服务](javascript:void(0))请同时授予子账号 AliyunBSSFullAccess 权限。
notebook提交任务 登录后进入平台点击处理分析选择进入开发者模式打开运行环境。 这里可以点击项目数据上传自己的数据也可以选择公开数据集自己上传的数据是有单独的STAC ID的公开数据也是有全局唯一的STAC ID的copy要处理数据的STAC ID后面代码需要用。 具体数据STAC ID查询与导入方式参考https://engine-aiearth.aliyun.com/docs/page/guide?dc2989d#heading-9
初始化环境
这里把上面获取的accessKey复制粘贴过来。
import time
from Tea.exceptions import TeaException
from alibabacloud_tea_openapi import models
from alibabacloud_aiearth_engine20220609.models import *
from alibabacloud_aiearth_engine20220609.client import Clientconfig models.Config(# 您的AccessKey ID,access_key_id*请替换*,# 您的AccessKey Secret,access_key_secret*请替换*,# 地域IDregion_idcn-hangzhou,# 访问的域名endpointaiearth-engine.cn-hangzhou.aliyuncs.com
)client Client(config)提交AI解译任务
try:createAIJobRequest CreateAIJobRequest()createAIJobRequest.job_name test # 这里换成自己的项目名称createAIJobRequest.app land_cover_classification # 换成自己要调用工具箱的名称,这里以多分类任务为例不同工具箱对应的名称参考附录createAIJobRequest.area_threshold 0createAIJobRequest.confidence 10createAIJobRequestInputs CreateAIJobRequestInputs()createAIJobRequestInputs.idx 1createAIJobRequestInputsSrc CreateAIJobRequestInputsSrc()createAIJobRequestInputsSrc.data_id *请替换* # data_id即为你数据的STAC IDcreateAIJobRequestInputs.src createAIJobRequestInputsSrccreateAIJobRequest.inputs [createAIJobRequestInputs]aijob: CreateAIJobResponse client.create_aijob(createAIJobRequest)print(aijob.body)jobId aijob.body.jobs[0].job_id
except TeaException as e:# 打印整体的错误输出print(e)# 打印错误码print(e.code)# 打印错误信息错误信息中包含print(e.message)# 打印服务端返回的具体错误内容print(e.data)输出结果为
{App: land_cover_classification, Jobs: [{JobId: 88609, Name: api-test, Success: True}], RequestId: EBA6E96A-F55C-52B8-A32B-89257E0C5884}可以看到任务ID为88609状态Success为True等信息。
查询AI解译任务 # 获取任务状态
try:getJobsRequest GetJobsRequest()getJobsRequest.job_ids [jobId] # 这里换成你自己任务的IDjobs: GetJobsResponse client.get_jobs(getJobsRequest)print(jobs.body)
except TeaException as e:# 打印整体的错误输出print(e)# 打印错误码print(e.code)# 打印错误信息错误信息中包含print(e.message)# 打印服务端返回的具体错误内容print(e.data)
返回结果如下可以看到任务的一些详细信息。
{List: [{App: land_cover_classification, JobId: 88608, JobName: api-test, JobType: 1, OutDataId: 36859, OutDataType: 1, OutDateType: 1, Progress: 100.00%, Status: 1, SubmitDate: 1684475561515}, RequestId: 82593D93-FC8C-5120-B913-A33B70C2C3CA}任务处理完成后重新进入平台点击我的数据—处理结果数据中可以看到自己任务状态点击可以在线卷帘对比查看也可以下载离线查看。 附录
官方给出的API调用app名称与推荐置信度
app名称app说明置信度参考值低置信度参考值中置信度参考值高building_extraction建筑物提取11.762540greenhouse_extraction大棚提取102540land_cover_classification地物分类102540pv_plant光伏电厂识别102540barrage拦河坝识别102540construction_change通用变化检测102540multiclass变化多分类102540farmland_extraction_remote_sensing地块提取102540building_change建筑物变化检测102540farmland_change农田变化检测102540remove_cloud_haze去云雾处理102540
