segment-geospatial

Segment Anything Model (SAM) 的一个用于分割地理空间数据的 Python 软件包

介绍

segment-geospatial 包受 segment-anything-eo 仓库的启发，该仓库由 Aliaksandr Hancharenka 编写。为了方便使用 Segment Anything 模型（SAM）处理地理空间数据，我开发了 segment-anything-py 和 segment-geospatial Python 软件包，这些包现在可在 PyPI 和 conda-forge 上获取。我的主要目标是通过减少代码量来简化 SAM 的使用过程，以便用户能够轻松进行地理空间数据分析。我已从 segment-anything-eo 仓库中适配了 segment-geospatial 的源码，原版本的贡献归功于 Aliaksandr Hancharenka。

免费软件：MIT 许可证
文档：https://samgeo.gishub.org

引用

Wu, Q., & Osco, L. (2023)。 samgeo：一种用于使用 Segment Anything 模型（SAM）分割地理空间数据的 Python 软件包。 Journal of Open Source Software, 8(89), 5663. https://doi.org/10.21105/joss.05663
Osco, L. P., Wu, Q., de Lemos, E. L., Gonçalves, W. N., Ramos, A. P. M., Li, J., & Junior, J. M. (2023)。 Segment Anything 模型（SAM）在遥感应用中的使用：从零到一。 国际应用地球观测与地球信息科学杂志, 124, 103540. https://doi.org/10.1016/j.jag.2023.103540

功能

从瓦片地图服务（TMS）服务器下载地图瓦片并创建 GeoTIFF 文件
使用 Segment Anything 模型（SAM）和 HQ-SAM 分割 GeoTIFF 文件
使用文本提示分割遥感图像
交互创建前景和背景标记
从矢量数据集中加载现有标记
将分割结果保存为常见的矢量格式（GeoPackage、Shapefile、GeoJSON）
将输入提示保存为 GeoJSON 文件
在交互地图上可视化分割结果

安装

从 PyPI 安装

segment-geospatial 可以在 PyPI 上获取。要安装 segment-geospatial，在终端运行以下命令：

pip install segment-geospatial

从 conda-forge 安装

segment-geospatial 也可以从 conda-forge 获取。如果您的计算机上已安装 Anaconda 或 Miniconda，您可以使用以下命令安装 segment-geospatial。推荐为 segment-geospatial 创建一个新的 conda 环境。以下命令将创建一个名为 geo 的新 conda 环境，并安装 segment-geospatial 及其依赖项：

conda create -n geo python
conda activate geo
conda install -c conda-forge mamba
mamba install -c conda-forge segment-geospatial

如果您的系统有 GPU，但上述命令未能安装 pytorch 的 GPU 版本，可以使用以下命令强制安装 pytorch 的 GPU 版本：

mamba install -c conda-forge segment-geospatial "pytorch=*=cuda*"

Samgeo-geospatial 有一些默认 conda 环境中不包含的可选依赖项。要安装这些依赖项，请运行以下命令：

mamba install -c conda-forge groundingdino-py segment-anything-fast

示例

演示

自动掩码生成器

带输入提示的交互分割

来自现有文件的输入提示

使用文本提示的交互分割

教程

视频教程可以在我的 YouTube 频道上观看。

自动掩码生成

使用 SAM 和 ArcGIS Pro

使用文本提示进行交互分割

在桌面 GIS 中使用 SAM

QGIS：查看 QGIS 的 Geometric Attributes 插件。感谢 Bjorn Nyberg 。
ArcGIS：查看 ArcGIS 的 Segment Anything 模型（SAM）工具箱和利用 ArcGIS 深度学习应用的资源。感谢 Esri 。

计算资源

Segment Anything 模型计算强度大，建议使用强大的 GPU 处理大型数据集。建议使用具有至少 8 GB GPU 内存的 GPU。您可以利用 Google Colab 提供的免费 GPU 资源。或者，您可以申请 AWS 研究云信用，提供云信用以支持学术研究。如果您在大中华区，可以在这里申请 AWS 研究云信用。