Geospatial Foundation Models
📘 Prithvi, SAM-Geo ইত্যাদি বড় মডেল।
🌐 Large pretrained geo models (Prithvi, SAM-Geo).
🌏
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
Prithvi, SAM-Geo ইত্যাদি বড় মডেল।
Prithvi, SAM-Geo ইত্যাদি বড় মডেল।
🌐 English:
Large pretrained geo models (Prithvi, SAM-Geo).
Large pretrained geo models (Prithvi, SAM-Geo).
🗂 কোথায় পড়ে
৫. জিওএআই → জিওএআই → Geospatial Foundation Models
🎯 এই শাখার লক্ষ্য
Apply ML/DL to imagery and spatio-temporal data
🧰 টুলস
TorchGeo, segment-geospatial, geoai
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
কম লেবেলে বহু কাজে ভালো ফল—পৃথিবী পর্যবেক্ষণের "GPT মুহূর্ত"।
- ধাপ 1বিশাল লেবেলহীন স্যাটেলাইট ডেটায় self-supervised প্রি-ট্রেনিং (masked autoencoder)
- ধাপ 2উদাহরণ: Prithvi (NASA-IBM, HLS ডেটা), SatMAE, Clay, SAM (সাধারণ সেগমেন্টেশন)
- ধাপ 3নিজের কাজে ছোট হেড যোগ করে fine-tune (বন্যা, ফসল, আগুনের দাগ)
- ধাপ 4Hugging Face থেকে লোড; কম্পিউট প্রয়োজন বিবেচনা
🧪 বাস্তব উদাহরণ
Prithvi-কে মাত্র কয়েকশো লেবেলযুক্ত ছবিতে fine-tune করে বন্যা সেগমেন্টেশন।
⚠️ সাধারণ ভুল
ধরে নেওয়া ফাউন্ডেশন মডেল লেবেল ছাড়াই নিখুঁত কাজ করবে।
🔑 মূল শব্দ (Key terms)
foundation modelself-supervisedPrithviSatMAEClayfine-tuning
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক6.1 Prithvi (NASA-IBM)
6.2 SatMAE ও Clay
6.3 ফাইন-টিউন করে নিজস্ব কাজ
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (GeoAI)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import classification_report # Pixel classification with spectral features (synthetic Sentinel-2 like bands) rng=np.random.default_rng(7) def sample(n,mu): return rng.normal(mu,0.03,(n,4)) # blue, green, red, nir X=np.vstack([sample(300,[.05,.06,.04,.02]),sample(300,[.04,.08,.05,.40]),sample(300,[.12,.13,.15,.20])]); y=np.repeat([0,1,2],300) ndvi=((X[:,3]-X[:,2])/(X[:,3]+X[:,2]))[:,None]; X=np.hstack([X,ndvi]) idx=rng.permutation(900); tr,te=idx[:600],idx[600:] m=RandomForestClassifier(200,random_state=0).fit(X[tr],y[tr]) print(classification_report(y[te],m.predict(X[te]),target_names=["water","vegetation","urban"]))
❓
সেল্ফ-চেক · Self check
🔗
সংযুক্ত কনসেপ্ট · Connected concepts
এই শাখার অন্যান্য অংশ
1. What is GeoAI2. ML on Satellite Imagery3. Deep Learning for Remote Sensing4. Semantic Segmentation of Land Cover5. Building & Road Extraction6. Geospatial Foundation Models7. Spatio-temporal Forecasting8. Graph Neural Networks for Spatial Data9. Flood & Disaster Mapping with AI10. Climate & Health GeoAI11. GeoAI with LLMs12. End-to-end GeoAI Project Bangladesh