torchgeo/torchgeo

TorchGeo – PyTorch를 위한 지리 공간 딥러닝 툴킷

개요 – TorchGeo는 준비된 지리 공간 데이터셋, 샘플러, 변환 및 사전 학습된 모델을 번들로 제공하는 PyTorch 호환 라이브러리입니다. 위성 및 항공 이미지를 위한 torchvision이라고 생각하면 됩니다.

중요성 – 원격 탐사 데이터는 많은 스펙트럼 밴드, 다양한 공간 해상도 및 서로 다른 좌표 참조 시스템(CRS)과 같은 추가적인 복잡성을 동반합니다. TorchGeo는 이러한 복잡한 작업을 숨겨주어 ML 연구자는 모델에 집중할 수 있고, 원격 탐사 전문가는 저수준 데이터 처리 코드를 작성하지 않고도 딥러닝 파이프라인을 실험할 수 있습니다.

주요 기능 (README 설명 기준)

• 데이터셋 및 메타데이터 처리 – 인기 있는 소스(Landsat 7/8, Sentinel, Cropland Data Layer, VHR-10 등)에 대한 GeoDataset 서브클래스를 제공합니다. 데이터셋은 CRS와 해상도를 자동으로 정렬하는 집합 연산자(|는 합집합, &는 교집합)를 사용하여 결합할 수 있습니다.
• 샘플러 – RandomPatchSampler 및 기타 샘플러를 통해 대규모 이미지에서 고정된 크기의 패치(예: 256 × 256)를 추출하여 에포크당 구성 가능한 수의 샘플을 반환할 수 있습니다.
• 벤치마크 컬렉션 – torchvision의 API 스타일을 반영하여 분류, 회귀, 시맨틱 세그멘테이션, 객체 탐지, 변화 탐지 등을 위한 즉시 사용 가능한 레이블이 지정된 데이터셋을 제공합니다.
• 사전 학습된 가중치 – torchvision 멀티 웨이트 API 및 timm 모델 주(zoo)를 통해 다중 스펙트럼 가중치(예: Sentinel-2-pre-trained ResNet-18)를 지원합니다.
• Lightning 통합 – 내장된 증강(kornia) 및 채널 통계가 포함된 Lightning DataModule 및 Task 객체(예: SemanticSegmentation)를 제공하여, 몇 줄의 훈련 스크립트 또는 torchgeo/LightningCLI를 통한 전체 CLI 사용을 가능하게 합니다.
• 설치 – PyPI, conda-forge, spack에서 사용할 수 있으며, uv로도 설치할 수 있습니다.
• 커뮤니티 및 문서 – Slack, OSGeo, Radiant Earth, Hugging Face, YouTube 채널 및 튜토리얼과 API 참조가 포함된 전체 ReadTheDocs 사이트.

전형적인 워크플로우

1. 데이터셋(예: Landsat8)을 임포트하고 선택적으로 다른 데이터셋(예: CDL)과 결합합니다.
2. 패치를 추출하기 위한 샘플러를 생성합니다.
3. 데이터셋을 DataLoader로 래핑하거나 제공된 Lightning DataModule을 사용합니다.
4. PyTorch Lightning을 사용하여 커스텀 아키텍처 또는 사전 학습된 모델로 모델을 훈련합니다.

인용 – TorchGeo를 사용하여 연구를 발표하는 경우, ACM Transactions on Spatial Algorithms and Systems 논문(2025)을 인용하십시오.

---

위의 모든 세부 사항은 프로젝트의 README에서 직접 가져온 것이며, 외부의 가정이 추가되지 않았습니다.