segment geospatial下載 - segment geospatial原始碼下載

segment geospatial

Ai源碼

v0.12.3

下載

分段地理空間

用於使用 Segment Anything Model (SAM) 分割地理空間資料的 Python 套件

介紹

Segment-Geospatial套件的靈感來自 Aliaksandr Hancharenka 創作的 Segment-Anything-eo 儲存庫。為了方便對地理空間資料使用分段任意模型 (SAM)，我開發了分段-anything-py 和分段-地理空間 Python 包，這些包現在可以在 PyPI 和 conda-forge 上使用。我的主要目標是簡化利用 SAM 進行地理空間資料分析的過程，使用戶能夠以最少的編碼工作來實現這一目標。我從segment-anything-eo 儲存庫中改編了segment-geospatial 的源代碼，其原始版本歸功於Aliaksandr Hancharenka。

免費軟體：麻省理工學院許可證
文件：https://samgeo.gishub.org

引文

吳 Q. 和 Osco L. (2023)。 samgeo：一個 Python 包，用於使用分段任意模型 (SAM) 來分段地理空間資料。開源軟體雜誌，8(89), 5663。
Osco, LP、Wu, Q.、de Lemos, EL、Gonçalves, WN、Ramos, APM、Li, J. 與 Junior, JM (2023)。用於遙感應用的分段任意模型 (SAM)：從零到一次。國際應用地球觀測和地理資訊雜誌，124, 103540。

特徵

從切片地圖服務 (TMS) 伺服器下載地圖切片並建立 GeoTIFF 文件
使用分段任意模型 (SAM) 和 HQ-SAM 對 GeoTIFF 檔案進行分段
使用文字提示分割遙感影像
互動式建立前景和背景標記
從向量資料集中載入現有標記
將分割結果儲存為常見向量格式（GeoPackage、Shapefile、GeoJSON）
將輸入提示儲存為 GeoJSON 文件
在互動式地圖上可視化分割結果
從時間序列遙感影像中分割對象

安裝

從 PyPI 安裝

分段地理空間可在 PyPI 上使用。若要安裝segment-geospatial ，請在終端機中執行以下命令：

pip install segment-geospatial

從 conda-forge 安裝

分段地理空間也可在 conda-forge 上使用。如果您的電腦上安裝了 Anaconda 或 Miniconda，則可以使用以下命令安裝segment-geospatial。建議為segment-geospatial建立一個新的 conda 環境。以下命令將建立一個名為geo新conda環境並安裝segment-geospatial及其相依性：

conda create -n geo python
conda activate geo
conda install -c conda-forge mamba
mamba install -c conda-forge segment-geospatial

如果您的系統有GPU，但上述指令沒有安裝GPU版本的pytorch，您可以使用下列指令強制安裝GPU版本的pytorch：

mamba install -c conda-forge segment-geospatial " pytorch=*=cuda* "

Samgeo-geospatial 有一些可選的依賴項，這些依賴項未包含在預設的 conda 環境中。若要安裝這些依賴項，請執行下列命令：

mamba install -c conda-forge groundingdino-py segment-anything-fast

範例

分割遙感影像
自動產生物件蒙版
使用輸入提示分割遙感影像
使用框提示分割遙感影像
使用文字提示分割遙感影像
帶文字提示的批次分割
將分段地理空間與 ArcGIS Pro 結合使用
使用文字提示分割游泳池
對 Maxar 開放資料計畫的衛星影像進行分割

示範

自動口罩生成器

帶有輸入提示的互動式分段

從現有文件輸入提示

帶有文字提示的互動式分段

教學

我的 YouTube 頻道上提供了影片教學。

自動產生掩模

將 SAM 與 ArcGIS Pro 結合使用

帶有文字提示的互動式分段

將 SAM 與桌面 GIS 結合使用

QGIS ：查看 QGIS 的幾何屬性外掛程式。功勞歸於比約恩‧尼伯格 (Bjorn Nyberg)。
ArcGIS ：查看 ArcGIS 的分段任意模型 (SAM) 工具箱以及使用 ArcGIS 釋放深度學習應用程式功能的資源。感謝 Esri。

計算資源

Segment Anything Model 是計算密集型的，建議使用強大的 GPU 來處理大型資料集。建議使用具有至少 8 GB GPU 記憶體的 GPU。您可以利用 Google Colab 提供的免費 GPU 資源。或者，您可以申請 AWS Cloud Credit for Research，該計畫提供雲端積分來支援學術研究。如果您位於大中華區，請在此申請 AWS 雲端積分。