AIで航空写真から建物の形を見つける

このチュートリアルでは、高解像度のNAIP航空画像から建物のフットプリントを抽出するための完全なGeoAIワークフローを設計します。まず、地理空間ディープラーニング環境を構成し、ラスター画像とベクターラベルをダウンロードし、それらの空間プロパティを検査してから、地理参照された画像チップとセグメンテーションマスクを生成します。次に、ResNet-34エンコーダーを備えたU-Netモデルを訓練し、その学習挙動を評価し、未見のシーンにsliding-window inferenceを適用します。semantic segmentationを超えて、予測されたマスクをクリーンアップされ正規化された建物ポリゴンに変換し、IoUとF1メトリクスを計算し、Grounding DINOとSAMによるzero-shot segmentationを探求し、結果を事前訓練されたMask R-CNN instance segmentationモデルと比較します。また、Microsoft Planetary ComputerからのNAIP画像とOverture Mapsからの建物ラベルを使用して、同じパイプラインが実世界のエリアにどのように拡張されるかを示します。Copy Code Copied Use a different Browser import os import subprocess import sys import time import warnings warnings.filterwarnings("ignore") IN_COLAB = "google.colab" in sys.modules def pip_install(packages, quiet=True): """ノートブックプロセス内からpipでパッケージをインストールします。""" cmd = [sys.executable, "-m", "pip", "install", "--upgrade"] if quiet: cmd.append("-q") subprocess.run(cmd + list(packages), check=False) try: import geoai except ImportError: print(">>> geoai-pyとその関連パッケージをインストール中（Colabでは約2〜4分かかります）...") pip_install( [ "geoai-py", "segmentation-models-pytorch", "buildingregulariser", ] ) try: import geoai except Exception as e: raise SystemExit( f"インストール後にインポートに失敗しました ({e})。

=> ランタイム > セッションを再起動し、このセルを再実行してください。インストールはキャッシュされているため、2回目は高速です。" ) import geopandas as gpd import matplotlib.pyplot as plt import numpy as np import rasterio from rasterio.plot import plotting_extent from IPython.display import display print(f"geoai : {geoai.__version__}") prin