raster vision
v0.31.1
Raster Vision est une bibliothèque Python open source et un cadre pour la création de modèles de vision par ordinateur sur des ensembles de satellites, aériens et autres grands ensembles d'images (y compris l'imagerie de drones oblique).
Il a une prise en charge intégrée pour la classification des puces, la détection d'objets et la segmentation sémantique avec des backends à l'aide de pytorch.
En tant que bibliothèque , Raster Vision fournit une gamme complète de services publics pour traiter tous les aspects d'un flux de travail géospatial en profondeur: lire des données géo-référencées, des modèles de formation, faire des prédictions et rédiger des prédictions dans des formats géo-référencés.
En tant que cadre à faible code , Raster Vision permet aux utilisateurs (qui n'ont pas besoin d'être des experts en Deep Learning!) Pour configurer rapidement et répéter des expériences qui exécutent un pipeline d'apprentissage automatique, notamment: analyser les données de formation, créer des puces de formation, des modèles de formation, créer des prédictions, évaluer les modèles et regrouper les fichiers de modèle et la configuration pour un déploiement facile. 
Raster Vision a également une prise en charge intégrée pour l'exécution d'expériences dans le cloud à l'aide du lot AWS ainsi que de SageMaker AWS.
Voir la documentation pour plus de détails.
Pour plus de détails, consultez la documentation de configuration .
pip Vous pouvez installer Raster Vision directement via pip .
pip install rastervisionAlternativement, vous pouvez utiliser une image Docker. Les images Docker sont publiées sur Quay.io (voir l'onglet Tags ).
Nous publions une nouvelle étiquette par fusion dans master , qui est taguée avec les 7 premiers caractères du hachage de validation. Pour utiliser la dernière version, tirez le latest suffixe, par exemple raster-vision:pytorch-latest . Les balises Git sont également publiées, avec le nom de balise GitHub comme suffixe de balise Docker.
Vous pouvez également construire une image Docker à partir de zéro vous-même. Après cloner ce dépôt, exécuter docker/build et exécuter le conteneur à l'aide de docker/run .
Les non-développeurs peuvent trouver le plus facile d'utiliser la vision raster comme un cadre à faible code où Raster Vision gère toutes les complexités et l'utilisateur n'a qu'à configurer quelques paramètres. Le guide QuickStart est un bon point d'entrée dans ce domaine. Des exemples plus avancés peuvent être trouvés sur la page Exemples .
Pour les développeurs et ceux qui cherchent à plonger plus profondément ou à combiner la vision raster avec leur propre code, le meilleur point de départ est l'aperçu de l'utilisation , suivi des concepts de base et des tutoriels .
Vous pouvez poser des questions et parler aux développeurs (faites-nous savoir sur quoi vous travaillez!) À:
Pour plus d'informations, voir la contribution.
Nous sommes heureux de prendre des contributions! Il est préférable de contacter les mainteneurs sur les fonctionnalités plus importantes ou les modifications de conception avant de démarrer le travail, car cela rendra le processus d'acceptation des changements plus fluide.
Tous ceux qui contribuent au code à Raster Vision seront invités à signer un accord de licence de contributeur. Voir contribution pour les instructions.
Raster Vision est concédé sous licence Apache 2. Voir la licence ici.
Les licences tierces pour toutes les dépendances utilisées par Raster Vision peuvent être trouvées ici.
