工具介绍
使用 OpenStreetMap 特征和卫星图像训练 深度学习 网络。
DeepOSM() 使用 OpenStreetMap (OSM) 数据训练神经网络,对卫星图像中的道路和特征进行分类。 DeepOSM 可以: * 下载卫星图像的一部分 * 下载显示该区域道路/特征的 OSM 数据 * 生成训练和评估数据 * 在 OSM 数据中显示未正确注册的道路的预测,或显示 ON/OFF 的原始预测 运行代码非常简单,只需安装 Docker,执行 dev 并运行脚本。 欢迎贡献。如果您想讨论要做的事情,请打开一个问题,或者 给我发邮件。
- 预测 64px 图块的中心 9px 是否包含道路。
- 使用红外 (IR) 频带和 RGB 频带。
- 总体上准确率为 75-80%，只需训练一分钟左右。
- 在 TensorFlow 中使用一个单个全连接的 relu 层。
- 以 JPEG 格式渲染 OSM 数据中的 "误报" 预测 - 即 OSM 列出了道路，但 DeepOSM 认为没有道路。
NAIPs 来自 Mapbox 在 S3 上设置的请求者付费存储桶，而 OSM 提取数据来自 geofabrik。