Методы компьютерного зрения, в частности обработка оптических сигналов, полученных с помощью сенсоров космических аппаратов орбитальной группировки Sentinel-2, применяются для решения многих задач, таких как мониторинг состояния лесов, структуры земной коры, сельскохозяйственных угодий, экологической обстановки, создание картографических материалов, оценка ущерба при чрезвычайных ситуациях, исследование водной поверхности и другие.
Одной из проблем при решении задач классификации является большой объем данных. В ИДСТУ СО РАН имеется каталог космоснимков на территорию Иркутской области и республики Бурятии за период с 2018 по 2022 год. Снимки Sentinel-2 сохраняются в системе хранения данных с периодичностью в 5-6 дней. Их объем составляет более 120 терабайт. Существующие инструменты в составе настольных ГИС или различных библиотек компьютерного зрения не всегда способны обработать такой объем данных и выдать конечный результат даже при наличии соответствующих вычислительных мощностей. Поэтому требуется применение и разработка методов ускорения вычислений.
В ИДСТУ СО РАН ведется разработка этих методов в двух направлениях: реализация подхода MapReduce, осуществляющего параллельную обработку на множестве вычислительных узлов; и оптимизация классификации изображения в рамках одного вычислительного узла. Ускорение в рамках одного узла основано на векторной обработке данных и применении различных эвристик.
Разработанные методы применены на задаче составления карты земельного покрова. Для решения задачи требовалось обработать весь массив данных и сформировать из них целевой композит. В результате применения разработанных методов удалось кратно уменьшить время выполнения вычислений.