torchgeo/torchgeo
TorchGeo: datasets, samplers, transforms, and pre-trained models for geospatial data
What it solves
TorchGeo는 지형 공간 데이터에 딥러닝을 적용하는 과정을 단순화합니다. 원격 탐사 이미지는 위성 및 센서마다 스펙트럼 밴드, 공간 해상도, 좌표계(CRS)가 다른 경우가 많아 이를 다루는 데 어려움이 있습니다.
How it works
TorchGeo는 (torchvision과 유사한) PyTorch 도메인 라이브러리로 작동하며, 지형 공간 데이터를 위한 전문적인 도구를 제공합니다:
- Geospatial Datasets & Samplers: 교집합 (
&) 및 합집합 (|) 연산자를 사용하여 여러 데이터셋을 조합할 수 있으며, 일치하는 CRS 및 해상도로 자동 재투영합니다. 매우 큰 이미지를 처리하기 위해 학습용 작은 패치를 추출하는 샘플러 (예:RandomPatchSampler)를 포함합니다. - Benchmark Datasets: 이미지 분류, 시맨틱 세그멘테이션, 객체 탐지 등 일반적인 작업을 위한 즉시 사용 가능한 데이터셋을 제공합니다.
- Pre-trained Weights: 표준 RGB ImageNet 가중치가 아닌, 다중 스펙트럼 센서 (예: Sentinel-2)에서 사전 학습된 모델을 제공하여 원격 탐사 데이터에 더 적합하게 만듭니다.
- Lightning Integration: PyTorch Lightning datamodules와 trainers를 제공하여 보일러플레이트 코드를 줄이고 실험의 재현성을 보장합니다.
Who it’s for
- Machine learning experts가 원격 탐사 전문 지식 없이도 지형 공간 데이터를 다루고 싶을 때.
- Remote sensing experts가 자신의 데이터를 위해 머신러닝 솔루션을 탐색하고 싶을 때.
Highlights
- Automatic CRS/Resolution Handling: 데이터셋을 조합할 때 좌표계(CRS)와 해상도가 일치하도록 자동으로 보장합니다.
- Multispectral Support: 다양한 다중 스펙트럼 센서에 대한 사전 학습된 가중치를 지원하는 최초의 라이브러리입니다.
- Flexible Dataset Composition: 집합 연산자를 사용하여 이미지와 라벨 데이터셋을 병합하거나 교차시킵니다.
- C-Line Interface: LightningCLI를 통해 설정 기반 실험을 위한 명령줄 학습을 지원합니다.