segment geospatial
v0.12.3
Пакет Python для сегментации геопространственных данных с помощью модели Segment Anything Model (SAM).
Пакет Segment-Geospatial черпает вдохновение из репозитория Segment-anything-eo, автором которого является Александр Гончаренко. Чтобы облегчить использование модели Segment Anything Model (SAM) для геопространственных данных, я разработал пакеты Python Segment-Anything-py и Segment-Geospatial, которые теперь доступны на PyPI и conda-forge. Моя основная цель — упростить процесс использования SAM для анализа геопространственных данных, предоставив пользователям возможность достичь этого с минимальными усилиями по кодированию. Я адаптировал исходный код сегмента-геопространства из репозитория сегмента-что-нибудь-ео, и заслуга его оригинальной версии принадлежит Александру Гончаренко.
сегмент-геопространственный доступен на PyPI. Чтобы установить сегмент-геоспасиал , запустите эту команду в своем терминале:
pip install segment-geospatial сегмент-геопространственный также доступен на conda-forge. Если на вашем компьютере установлена Anaconda или Miniconda, вы можете установить Segment-Geospatial, используя следующие команды. Рекомендуется создать новую среду conda для сегментно-геопространственных данных . Следующие команды создадут новую среду conda с именем geo и установят сегмент-геопространственный и его зависимости:
conda create -n geo python
conda activate geo
conda install -c conda-forge mamba
mamba install -c conda-forge segment-geospatialЕсли в вашей системе есть графический процессор, но приведенные выше команды не устанавливают версию pytorch для графического процессора, вы можете принудительно установить версию pytorch для графического процессора, используя следующую команду:
mamba install -c conda-forge segment-geospatial " pytorch=*=cuda* "Samgeo-geospatial имеет некоторые дополнительные зависимости, которые не включены в среду conda по умолчанию. Чтобы установить эти зависимости, выполните следующую команду:
mamba install -c conda-forge groundingdino-py segment-anything-fastВидеоуроки доступны на моем канале YouTube.
Модель Segment Anything требует больших вычислительных ресурсов, поэтому для обработки больших наборов данных рекомендуется мощный графический процессор. Рекомендуется иметь графический процессор с объемом памяти не менее 8 ГБ. Вы можете использовать бесплатные ресурсы графического процессора, предоставляемые Google Colab. Кроме того, вы можете подать заявку на получение облачного кредита AWS для исследований, который предлагает облачные кредиты для поддержки академических исследований. Если вы находитесь в регионе Большого Китая, подайте заявку на получение облачного кредита AWS здесь.
Этот репозиторий и его содержимое предназначены только для образовательных целей. Используя предоставленную информацию и код, пользователи подтверждают, что используют API и модели на свой страх и риск, и соглашаются соблюдать все применимые законы и правила. Пользователям, которые планируют загрузить большое количество фрагментов изображений из любой базовой карты, рекомендуется перед этим обратиться к поставщику базовой карты и получить разрешение. Несанкционированное использование базовой карты или любого из ее компонентов может являться нарушением законов об авторских правах или других применимых законов и правил.
Пожалуйста, обратитесь к рекомендациям по участию для получения дополнительной информации.
Этот проект основан на работе, частично поддержанной Национальным управлением по аэронавтике и исследованию космического пространства (НАСА) в рамках гранта № 80NSSC22K1742, выданного в рамках программы «Инструменты, платформы и библиотеки с открытым исходным кодом 2020».
Этот проект также поддерживается Amazon Web Services (AWS). Кроме того, создание этого пакета стало возможным благодаря следующим проектам с открытым исходным кодом. Кредит принадлежит разработчикам этих проектов.
