raster vision
v0.31.1
Raster Vision은 위성, 항공 및 기타 대형 이미지 세트 (비스듬한 드론 이미지 포함)에 컴퓨터 비전 모델을 구축하기위한 오픈 소스 파이썬 라이브러리 및 프레임 워크 입니다.
칩 분류, 객체 감지 및 Pytorch를 사용한 백엔드를 사용한 시맨틱 세분화에 대한 지원이 내장되어 있습니다.
라이브러리로서 Raster Vision은 지리 공개 딥 러닝 워크 플로의 모든 측면을 다루기위한 모든 유틸리티 제품군을 제공합니다. 지리 참조 데이터 읽기, 교육 모델, 예측 및 지리 참조 형식으로 예측을 작성합니다.
저 코드 프레임 워크 인 Raster Vision을 사용하면 사용자 (딥 러닝 전문가가 될 필요가없는 사람)는 교육 데이터 분석, 교육 칩 생성, 교육 모델 작성, 예측, 모델 평가 및 손쉬운 배포를위한 모델 평가 및 구성을 포함한 기계 학습 파이프 라인을 빠르고 반복적으로 구성 할 수 있습니다. 
Raster Vision은 또한 AWS 배치 및 AWS Sagemaker를 사용하여 클라우드에서 실험 실험을 지원합니다.
자세한 내용은 문서를 참조하십시오.
자세한 내용은 설정 문서를 참조하십시오 .
pip 를 통해 설치하십시오 pip 통해 직접 래스터 비전을 설치할 수 있습니다.
pip install rastervision또는 Docker 이미지를 사용할 수 있습니다. Docker Images는 Quay.io에 게시됩니다 ( 태그 탭 참조).
Commit 해시의 처음 7 자로 태그가 지정된 Merge is master 당 새 태그를 게시합니다. 최신 버전을 사용하려면 latest 접미사 (예 : raster-vision:pytorch-latest 를 가져 오십시오. Github 태그 이름은 Docker Tag Thindix로 GIT 태그도 게시됩니다.
Docker 이미지를 처음부터 직접 만들 수도 있습니다. 이 저장소를 복제 한 후 docker/build 실행 한 다음 docker/run 사용하여 컨테이너를 실행하십시오.
비 개발자는 Raster Vision을 래스터 비전을 모든 복잡성을 처리하는 저 코드 프레임 워크로 사용하는 것이 가장 쉬울 수 있으며 사용자는 몇 가지 매개 변수 만 구성해야합니다. QuickStart 가이드는 이것에 대한 좋은 입장점입니다. 보다 고급 예제는 예제 페이지에서 찾을 수 있습니다.
개발자 와 더 깊이 다이빙하거나 래스터 비전을 자체 코드와 결합하려는 사람들의 경우 최상의 시작점은 사용 개요 와 기본 개념 및 자습서 입니다.
다음과 같은 질문을하고 개발자와 대화 할 수 있습니다 (작업중인 작업을 알려주세요!) : :
자세한 내용은 기여를 참조하십시오.
우리는 기여하게되어 기쁩니다! 작업을 시작하기 전에 더 큰 기능 또는 설계 변경 사항에 대해 관리자와 연락하는 것이 가장 좋습니다.
래스터 비전에 코드를 기부하는 모든 사람은 기고자 라이센스 계약에 서명하라는 요청을받습니다. 지침에 대한 기고를 참조하십시오.
Raster Vision은 Apache 2 라이센스에 따라 라이센스가 부여됩니다. 여기에서 라이센스를 참조하십시오.
Raster Vision에서 사용하는 모든 부근에 대한 제 3 자 라이센스는 여기에서 찾을 수 있습니다.
