raster vision
v0.31.1
Raster Visionは、衛星、空中、およびその他の大きな画像セット（斜めドローン画像を含む）にコンピュータービジョンモデルを構築するためのオープンソースのPythonライブラリとフレームワークです。
Pytorchを使用して、チップ分類、オブジェクト検出、およびバックエンドを使用したセマンティックセグメンテーションをサポートするサポートが組み込まれています。
ライブラリとして、Raster Visionは、地理的な深い学習ワークフローのあらゆる側面を扱うための完全なユーティリティを提供します。地理参照データの読み取り、トレーニングモデル、予測の作成、地理参照形式の予測の作成です。
低コードのフレームワークとして、ラスタービジョンにより、ユーザー（ディープラーニングの専門家である必要はありません！）は、トレーニングデータの分析、トレーニングモデルの作成、予測、モデルの作成、モデルファイルのバンドリング、構成を含む機械学習パイプラインを実行する実験を迅速かつ繰り返し構成することができます。 
Raster Visionには、AWSバッチとAWS Sagemakerを使用して、クラウドで実験を実行するためのサポートも組み込まれています。
詳細については、ドキュメントを参照してください。
詳細については、セットアップドキュメントを参照してください。
pip経由でインストールしますRaster Visionをpip経由で直接インストールできます。
pip install rastervisionまたは、Docker画像を使用することもできます。 docker画像はquay.ioに公開されています（タグタブを参照）。
マスターに合わせて新しいタグをmasterに公開します。これは、Commit Hashの最初の7文字でタグ付けされています。最新バージョンを使用するには、 latestサフィックス、例raster-vision:pytorch-latestプルします。 gitkタグ名をDockerタグの接尾辞として、gitタグも公開されています。
Docker画像をゼロから自分で作成することもできます。このレポをクローニングした後、 docker/buildを実行し、 docker/runを使用してコンテナを実行します。
非開発者は、ラスタービジョンがすべての複雑さを処理し、ユーザーがいくつかのパラメーターを構成するだけで必要な低コードフレームワークとしてラスタービジョンを使用するのが最も簡単だと感じるかもしれません。クイックスタートガイドは、これへの優れたエントリポイントです。より高度な例は、例ページにあります。
開発者と、ラスタービジョンと独自のコードをより深く掘り下げたり、組み合わせたりする人にとって、最良の出発点は使用概要の概要であり、その後に基本的な概念とチュートリアルが続きます。
質問をして、開発者に相談することができます（あなたが取り組んでいることを教えてください！）
詳細については、貢献を参照してください。
貢献してうれしいです！作業を開始する前に、より大きな機能や設計の変更についてメンテナーと連絡を取ることが最善です。これは、変更を受け入れるプロセスをよりスムーズにするためです。
Raster Visionにコードを寄付するすべての人は、貢献者ライセンス契約に署名するように求められます。指示については、貢献を参照してください。
ラスタービジョンは、Apache 2ライセンスの下でライセンスされています。こちらのライセンスを参照してください。
ラスタービジョンで使用されるすべての依存症のサードパーティライセンスは、ここにあります。
