torchgeo/torchgeo

TorchGeo: datasets, samplers, transforms, and pre-trained models for geospatial data

What it solves

TorchGeo 簡化了将深度学习应用于地理空间数据。它解决了处理遥感影像时面临的挑战，因为不同卫星与传感器之间的谱段、空间分辨率与坐标参考系统 (CRS) 通常会有所不同。

How it works

TorchGeo 作为一个 PyTorch 领域库 (类似于 torchvision)，为地理空间数据提供专门的工具：

  • Geospatial Datasets & Samplers: It 允许用户使用交集 (&) 与联集 (|) 运算符来组合多个数据集，并自动处理重投影至匹配的 CRS 与分辨率。它包含采样器 (例如 RandomPatchSampler)，通过提取小块图像 (patches) 来处理极大的图像。
  • Benchmark Datasets: 它提供用于常见任务 (例如图像分类、语义分割、目标检测) 的现成数据集。
  • Pre-trained Weights: 它提供在多光谱传感器 (例如 Sentinel-2) 上预训练的模型，超越了标准的 RGB ImageNet 权重，以更好地适应遥感数据。
  • Lightning Integration: 它提供 PyTorch Lightning datamodules 与 trainers，以减少模板代码并确保实验的可重复性。

Who it’s for

  • Machine learning experts 想要在不需要深厚的遥感专业知识的情况下处理地理空间数据。
  • Remote sensing experts 想要为自己的数据探索机器学习解决方案。

Highlights

  • Automatic CRS/Resolution Handling: 自动确保在组合数据集时，坐标参考系统与分辨率能够匹配。
  • Multispectral Support: 第一个支持多种多光谱传感器预训练权重的库。
  • Flexible Dataset Composition: 使用集合运算符来合并或交集图像与标签数据集。
  • C-Line Interface: 支持通过 LightningCLI 进行命令行训练，以便进行基于配置的实验。