opengeos/geoai

解决的问题

GeoAI 简化了将人工智能应用于地理空间数据的过程。它通过提供一个统一的框架，抽象化了分析卫星图像、航空照片和矢量数据所需的复杂机器学习工作流，从而解决了工具碎片化的问题，使没有深厚 ML 专业知识的研究人员也能使用这些技术。

工作原理

GeoAI 集成了多个 AI 框架（PyTorch, Transformers, PyTorch Segmentation Models）和专门的地理空间库。它为整个 AI 生命周期提供高级 API：搜索和下载遥感图像、使用图像块和标签准备数据集、训练用于分类、检测和分割的模型，以及运行推理流水线。它还包含一个精选的遥感基础模型目录，并与 Leafmap 和 MapLibre 集成以进行可视化。

适用对象

• 需要无需深厚机器学习专业知识即可使用 AI 工作流的 地理空间研究人员
• 寻求流线型地理空间预处理和特定领域数据集的 AI 从业者
• 正在寻找可复现、可教学的地理空间 AI 工作流的 教育工作者

亮点

• 统一的 AI 工作流：涵盖从数据获取到推理和可视化的所有环节。
• 基础模型策展：提供包含元数据和加载功能的 20 个遥感基础模型目录。
• QGIS 集成：专用插件允许用户在无需编写代码的情况下，直接在 QGIS 桌面环境中运行 AI 驱动的工作流。
• 广泛的数据支持：支持包括 GeoTIFF、GeoJSON、Shapefile 和 GeoPackage 在内的多种格式。
• GPU 加速：包含用于 GPU 加速的自动设备管理。