【GEO-AI】SAM-Geo库(segment-geospatial)入门教程
AI柱子哥 2024-08-07 08:01:01 阅读 68
今年4月份,Meta公布了它图形分割模型Segment-Anything,简称SAM。当时就想着这个东西用在遥感影像分割上应该效果不错,奈何自己能力有限,没有办法上手实践。偶然间看到有介绍SAM-Geo工具包的文章,决定研究一番,现在的做的这些工作可能只是狗尾续貂,权当是记一下工作笔记了。
1. 简介
SAM-Geo是一个用于地理空间数据的Python 包,可在 PyPI 和 conda-forge 上使用。作者吴秋生是美国田纳西大学地理系老师,根据他在Bilibili主页上的介绍,研究方向主要包括地理信息科学和遥感,个人主页地址:https://wetlands.io。
SAM-Geo工具包主要用于简化SAM模型在地理空间数据上的应用,其想法来源于segment-anything-eo【github地址】。为方便后续学习,将相应的地址都放在这里,SAM-Geo的Github地址是https://github.com/opengeos/segment-geospatial,文档地址:https://samgeo.gishub.org。
2.安装
根据官网,可以使用PyPI、Conda、GitHub、Docker方式安装
最简单的当然是使用pip安装了
<code>pip install segment-geospatial
Conda(推荐新建环境)
conda create -n geo python
conda activate geo
conda install -c conda-forge mamba
mamba install -c conda-forge segment-geospatial
安装依赖
mamba install -c conda-forge groundingdino-py segment-anything-fast
Github
pip install git+https://github.com/opengeos/segment-geospatial
Docker
docker run -it -p 8888:8888 giswqs/segment-geospatial:latest
为了是GPU生效,需要运行下面的命令
docker run --rm -it --gpus=all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark
如果报错nvidia-container-cli: initialization error: load library failed: libnvidia-ml.so.1: cannot open shared object file: no such file or directory: unknown.,在上面的命令前面加上sudo运行。
等GPU容器运行正常后,再运行docker run命令将SAM-Geom运行起来。
3.入门案例
官网的案例地址在https://samgeo.gishub.org/workshops/purdue/,我这边简单记录下自己的操作过程,水平有限,您可以移步官网查看更详细的介绍。
这边采用的conda虚拟环境,利用之前搭建的pytorch环境,可以参考PyTorch安装记录及Anaconda环境配置
下列代码运行在Jupyter Notebook中
安装依赖
pip install segment-geospatial groundingdino-py leafmap localtileserver
导入依赖
import leafmap
from samgeo import SamGeo
from samgeo.text_sam import LangSAM
创建交互式地图
m = leafmap.Map(center=[40.427495, -86.913638], zoom=18, height=700)
m.add_basemap("SATELLITE")
m
地图操作:平移或缩放到所需位置,然后用绘图工具在地图上创建多边形或矩形。
if m.user_roi_bounds() is not None:
bbox = m.user_roi_bounds()
else:
bbox = [-86.9167, 40.4262, -86.9105, 40.4289]
image = "image.tif"
leafmap.map_tiles_to_geotiff(output=image, bbox=bbox, zoom=18, source="Satellite", overwrite=True)code>
如果要使用自己的图像,可以将image的地址设置为本地图片的地址。
将图片展示在地图上:
m.layers[-1].visible = False # turn off the basemap
m.add_raster(image, layer_name="Image")code>
m
初始化模型
sam = SamGeo(
model_type="vit_h", code>
checkpoint="sam_vit_h_4b8939.pth", code>
automatic=False,
sam_kwargs=None,
)
sam.set_image(image)
自动分类
sam.generate(image, output="masks.tif", foreground=True, unique=True)code>
sam.show_masks(cmap="binary_r")code>
展示分类
sam.show_anns(axis="off", alpha=1, output="annotations.tif")code>
上一篇: AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀【文末送书】
下一篇: Ultralytics YOLO - 最先进的视觉人工智能:yolov8 环境搭建
本文标签
声明
本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。