azavea/raster-vision
An open source library and framework for deep learning on satellite and aerial imagery.
What it solves
Raster Vision 提供一个完整的框架，将计算机视觉应用于大规模地理空间影像，如卫星、航空和无人机数据。它简化了构建、训练和部署深度学习模型的过程，支持目标检测和语义分割等任务，并能够直接处理带地理参考的数据。
How it works
它既是库也是低代码框架。作为库时，提供读取带地理参考数据、训练模型以及将预测写回地理空间格式的工具。作为框架时，允许用户配置机器学习流水线——包括数据分析、切片创建、模型训练和评估——而无需成为深度学习专家。后端使用 PyTorch，并支持通过 AWS Batch 和 AWS SageMaker 进行云端执行。
Who it’s for
- Developers 想将地理空间 CV 工具集成到自己代码中的开发者。
- Non-developers 或地理空间分析师，需要低代码方式配置和运行影像上的机器学习实验。
Highlights
- 内置支持切片分类、目标检测和语义分割。
- 完整的地理空间工作流支持，从读取带地理参考数据到输出带地理参考格式的预测。
- 低代码配置，可重复使用的 ML 流水线。
- 原生集成 AWS Batch 和 AWS SageMaker，实现云端扩展。