raster-vision: 一個用於在衛星與航空影像上建立 ML 模型之地理空間電腦視覺框架

它解決了什麼問題

Raster Vision 提供了一個全面的框架，用於將電腦視覺應用於大規模地理空間影像，例如衛星、航空與無人機數據。它簡化了在地理參照數據上進行物件偵測與語義分割等任務時，建立、訓練與部署深度學習模型的過程。

運作方式

它同時作為一個函式庫與一個低程式碼框架運作。作為一個函式庫，它提供了讀取地理參照數據、訓練模型以及將預測結果寫回地理空間格式的工具。作為一個框架，它允許使用者配置機器學習流水線——包括數據分析、chip 建立、模型訓練與評估——而無需成為深度學習專家。它使用 PyTorch 作為後端，並支援透過 AWS Batch 與 AWS SageMaker 進行雲端執行。

對象是誰

• 開發者：想要將地理空間 CV 工具整合到自己的程式碼中。
• 非開發者 或地理空間分析師：需要一種低程式碼的方式來配置與執行影像上的 ML 實驗。

重點特色

• 內建支援 chip 分類、物件偵測與語義分割。
• 完整的地理空間工作流支援，從讀取地理參照數據到以地理參照格式輸出預測結果。
• 用於可重複 ML 流水線的低程式碼配置。
• 與 AWS Batch 與 AWS SageMaker 原生整合，以實現雲端擴展。