raster-vision: 위성 및 항공 이미지 기반 ML 모델 구축을 위한 지형 공간 컴퓨터 비전 프레임워크

해결하는 문제

Raster Vision은 위성, 항공 및 드론 데이터와 같은 대규모 지형 공간 이미지에 컴퓨터 비전을 적용하기 위한 포괄적인 프레임워크를 제공합니다. 지형 참조 데이터에서 객체 탐지 및 시맨틱 세그멘테이션과 같은 작업을 수행하기 위한 딥러닝 모델을 구축, 학습 및 배포하는 프로세스를 단순화합니다.

작동 방식

라이브러리이자 로우코드(low-code) 프레임워크로 작동합니다. 라이브러리로서, 지형 참조 데이터를 읽고 모델을 학습시키며 예측 결과를 다시 지형 공간 형식으로 저장하는 유틸리티를 제공합니다. 프레임워크로서, 사용자가 딥러닝 전문가가 아니더라도 데이터 분석, 칩 생성, 모델 학습 및 평가를 포함한 머신러닝 파이프라인을 구성할 수 있도록 합니다. PyTorch를 백엔드로 사용하며 AWS Batch 및 AWS SageMaker를 통한 클라우드 실행을 지원합니다.

대상 사용자

• 개발자: 지형 공간 CV 도구를 자신의 코드에 통합하고자 하는 사용자.
• 비개발자 또는 지형 공간 분석가: 이미지 상에서 ML 실험을 구성하고 실행할 수 있는 로우코드 방식이 필요한 사용자.

주요 특징

• 칩 분류(chip classification), 객체 탐지(object detection) 및 시맨틱 세그멘테이션(semantic segmentation)에 대한 내장 지원.
• 지형 참조 데이터 읽기부터 지형 참조 형식으로 예측 결과 출력까지 전체 지형 공간 워크플로우 지원.
• 반복 가능한 ML 파이프라인을 위한 로우코드 구성.
• 클라우드 확장을 위한 AWS Batch 및 AWS SageMaker와의 네이티브 통합.