Sobre o projeto
SamGeo (segment-geospatial) é um pacote Python para segmentar dados geoespaciais com o Segment Anything Model (SAM). Foi inspirado e adaptado do repositório segment-anything-eo de Aliaksandr Hancharenka, com o objetivo de tornar o SAM utilizável para análise geoespacial com o mínimo de codificação. É distribuído sob a licença MIT, documentado em samgeo.gishub.org e publicado no Journal of Open Source Software.
Capacidades descritas no README:
- Baixar tiles de mapas de servidores Tile Map Service (TMS) e construir arquivos GeoTIFF.
- Segmentar arquivos GeoTIFF usando SAM e HQ-SAM.
- Segmentar imagens de sensoriamento remoto com prompts de texto.
- Criar marcadores de primeiro plano e de fundo interativamente, ou carregar marcadores existentes de conjuntos de dados vetoriais.
- Salvar resultados de segmentação como GeoPackage, Shapefile ou GeoJSON, e salvar prompts de entrada como GeoJSON.
- Visualizar resultados de segmentação em mapas interativos.
- Segmentar objetos a partir de imagens de sensoriamento remoto em séries temporais.
- Servir a segmentação via HTTP por meio de uma API REST.
Variantes de modelo e instalação: o pacote suporta SAMGeo 1, 2 e 3, Fast SAM, HQ-SAM, Grounding DINO para prompts de texto e um algoritmo de reconstrução de bordas de feições. As opções de instalação incluem pixi (recomendado para dependências complexas de PyTorch/CUDA), PyPI com extras como samgeo, samgeo2, samgeo3, fast, hq, text, fer, api, all e extra, e conda-forge. Um procedimento separado para Windows é documentado para o SAM 3, incluindo triton-windows.
Integração e ecossistema: um plugin para QGIS está disponível, e o README aponta para uma caixa de ferramentas do ArcGIS e exemplos do ArcGIS Pro. Os exemplos abrangem imagens de satélite, geração automática de máscaras, prompts de entrada/caixa/texto, segmentação em lote com prompts de texto, piscinas, imagens do Maxar Open Data e ArcGIS Pro. Tutoriais em vídeo são vinculados no canal do YouTube do autor.
Notas de hardware e legais: o SAM é computacionalmente intensivo; recomenda-se uma GPU com pelo menos 8 GB de memória, e são sugeridos recursos gratuitos de GPU do Google Colab ou créditos de pesquisa da AWS. O README afirma que o repositório é para fins educacionais, que os usuários baixam tiles por sua própria conta e risco e que pode ser necessária permissão dos provedores de mapas base para downloads de tiles em larga escala. O projeto reconhece o apoio de uma bolsa da NASA e o suporte da AWS, e credita projetos de código aberto upstream, incluindo segment-anything, SAM 3, segment-anything-eo, tms2geotiff, GroundingDINO e lang-segment-anything.
Comments
0 people shared their preference · Deer Point appears after 10 participants
Sign in to join the discussion.