Segment-Geospatial——使用Segment Anything Model分割地理空间数据的 Python 包
Segment-Geospatial——使用Segment Anything Model分割地理空间数据的 Python 包
介绍?[1]
Segment-Geospatial包的灵感来自Aliaksandr Hancharenka[2]创作的Segment-anything-eo[3]存储库。为了方便对地理空间数据使用分段任意模型 (SAM)，我开发了segment-anything-py[4] and segment-geospatial[5]Python 包，这些包现在可以在 PyPI 和 conda-forge 上使用。我的主要目标是简化利用 SAM 进行地理空间数据分析的过程，使用户能够以最少的编码工作来实现这一目标。我从segment-anything-eo[6]存储库中改编了segment-geospatial 的源代码，其原始版本归功于Aliaksandr Hancharenka。
- ? 免费软件：MIT 许可证
- ? 文档：https://samgeo.gishub.org[7]https://samgeo.gishub.org/)
特点?[8]
- 从切片地图服务 (TMS) 服务器下载地图切片并创建 GeoTIFF 文件
- 使用 Segment Anything Model ( SAM[9] ) 和HQ-SAM对 GeoTIFF 文件进行分段[10]
- 使用文本提示分割遥感图像
- 交互式创建前景和背景标记
- 从矢量数据集中加载现有标记
- 将分割结果保存为常见矢量格式（GeoPackage、Shapefile、GeoJSON）
- 将输入提示保存为 GeoJSON 文件
- 在交互式地图上可视化分割结果
演示?[11]
- 自动掩膜生成器
- 带输入提示的交互式分割
- 从现有文件输入提示
- 带文本提示的交互式分割
更多例子?[12]
- 分割遥感图像[13]
- 自动生成对象蒙版[14]
- 使用输入提示分割遥感图像[15]
- 使用框提示分割遥感图像[16]
- 使用文本提示分割遥感图像[17]
- 带文字提示的批量分割[18]
- 将 SAM 与 ArcGIS Pro 结合使用[19]
- 使用文本提示分割游泳池[20]
- 对 Maxar 开放数据计划的卫星图像进行分割[21]
将 SAM 与桌面 GIS 结合使用?[22]
- QGIS：查看QGIS 的几何属性插件[23]。功劳归于比约恩·尼伯格 (Bjorn Nyberg)[24]。
- ArcGIS：查看ArcGIS的分段任意模型 (SAM) 工具箱[25]以及使用 ArcGIS 释放深度学习应用程序功能的资源[26]。感谢Esri[27]。
引文?[28]
- Wu, Q., & Osco, L. (2023). samgeo: A Python package for segmenting geospatial data with the Segment Anything Model (SAM). Journal of Open Source Software, 8(89), 5663, https://doi.org/10.21105/joss.05663
更多
PyTorch深度学习系列课程介绍
状态 | 简介 |
|---|---|
01-PyTorch基础知识[33] | 本章将介绍本章将介绍在PyTorch中，机器学习和深度学习的基本构建模块——张量(tensor)。 |
02-快速入门：使用PyTorch进行机器学习和深度学习的基本工作流程[34] | 通过训练和使用线性回归模型来介绍标准 PyTorch 工作流程。 |
03-使用PyTorch处理最简单的神经网络分类任务[35] | 使用 PyTorch 解决几个不同的分类问题。 |
04-一文看懂什么是卷积神经网络？[36] | 介绍卷积神经网络的相关知识，并利用卷积网络来处理和分类图像。 |
05-PyTorch自定义数据集Datasets、Loader和tranform[37] | 使用 torchvision.datasets 以及我们自己的自定义 Dataset 类来加载食物图像，然后我们将构建一个 PyTorch 计算机视觉模型，对三种食物进行分类。 |
06-PyTorch迁移学习：在预训练模型上进行训练[38] | 使用PyTorch利用预训练模型来进行训练。 |
07-从头开始创建一个 Vision Transformer (ViT)[39] | PyTorch是机器学习研究中最受欢迎的深度学习框架，让我们通过复制机器学习论文来了解原因。 |
参考资料
[1]
永久链接: https://samgeo.gishub.org/#introduction
[2]
Aliaksandr Hancharenka: https://github.com/aliaksandr960
[3]
Segment-anything-eo: https://github.com/aliaksandr960/segment-anything-eo
[4]
segment-anything-py: https://github.com/opengeos/segment-anything
[5]
segment-geospatial: https://github.com/opengeos/segment-geospatial
[6]
我从segment-anything-eo: https://github.com/aliaksandr960/segment-anything-eo
[7]
https://samgeo.gishub.org: https://samgeo.gishub.org/
[8]
永久链接: https://samgeo.gishub.org/#features
[9]
SAM: https://github.com/facebookresearch/segment-anything
[10]
HQ-SAM对 GeoTIFF 文件进行分段: https://github.com/SysCV/sam-hq
[11]
永久链接: https://samgeo.gishub.org/#demos
[12]
永久链接: https://samgeo.gishub.org/#examples
[13]
分割遥感图像: https://samgeo.gishub.org/examples/satellite
[14]
自动生成对象蒙版: https://samgeo.gishub.org/examples/automatic_mask_generator
[15]
使用输入提示分割遥感图像: https://samgeo.gishub.org/examples/input_prompts
[16]
使用框提示分割遥感图像: https://samgeo.gishub.org/examples/box_prompts
[17]
使用文本提示分割遥感图像: https://samgeo.gishub.org/examples/text_prompts
[18]
带文字提示的批量分割: https://samgeo.gishub.org/examples/text_prompts_batch
[19]
将 SAM 与 ArcGIS Pro 结合使用: https://samgeo.gishub.org/examples/arcgis
[20]
使用文本提示分割游泳池: https://samgeo.gishub.org/examples/swimming_pools
[21]
对 Maxar 开放数据计划的卫星图像进行分割: https://samgeo.gishub.org/examples/max_open_data
[22]
永久链接: https://samgeo.gishub.org/#using-sam-with-desktop-gis
[23]
QGIS 的几何属性插件: https://github.com/BjornNyberg/Geometric-Attributes-Toolbox/wiki/User-Guide#segment-anything-model
[24]
约恩·尼伯格 (Bjorn Nyberg): https://github.com/BjornNyberg
[25]
的分段任意模型 (SAM) 工具箱: https://www.arcgis.com/home/item.html?id=9b67b441f29f4ce6810979f5f0667ebe
[26]
使用 ArcGIS 释放深度学习应用程序功能的资源: https://community.esri.com/t5/education-blog/resources-for-unlocking-the-power-of-deep-learning/ba-p/1293098
[27]
Esri: https://www.esri.com/
[28]
永久链接: https://samgeo.gishub.org/#citations
[29]
我的博客: https://cdn.renhai-lab.tech/
[30]
我的GITHUB: https://github.com/renhai-lab
[31]
我的GITEE: https://gitee.com/renhai-lab
[32]
我的知乎: https://www.zhihu.com/people/Ing_ideas
[33]
01-PyTorch基础知识: https://cdn.renhai-lab.tech/archives/DL-01-pytorch
[34]
02-快速入门：使用PyTorch进行机器学习和深度学习的基本工作流程: https://cdn.renhai-lab.tech/archives/DL-02-pytorch-workflow
[35]
03-使用PyTorch处理最简单的神经网络分类任务: https://cdn.renhai-lab.tech/archives/DL-03-pytorch_classification
[36]
04-一文看懂什么是卷积神经网络？: https://cdn.renhai-lab.tech/archives/DL-04-pytorch_computer_vision
[37]
05-PyTorch自定义数据集Datasets、Loader和tranform: https://cdn.renhai-lab.tech/archives/DL-05-pytorch-custom_datasets
[38]
06-PyTorch迁移学习：在预训练模型上进行训练: https://cdn.renhai-lab.tech/archives/DL-06-pytorch-transfer_learning
[39]
07-从头开始创建一个 Vision Transformer (ViT): https://cdn.renhai-lab.tech/DL-07-pytorch_Vit/