raster-vision

收录理由

遥感影像的深度学习与普通计算机视觉任务很不一样，影像自带地理坐标，无法简单切分成常规的图像批次。Raster Vision 正是为解决这个问题而生：它能读取地理参考数据，基于 PyTorch 完成切片分类、目标检测和语义分割模型的训练，并最终把预测结果写回带地理坐标的格式。它的低代码配置层让不熟悉深度学习的分析师也能快速搭建可复现的实验流程，从训练切片生成、模型评估到打包部署一气呵成；而工程师又可以直接把它作为 Python 库嵌入自己的代码。借助 AWS Batch 和 SageMaker，还可以在云端跑更大规模的训练任务。如果你需要让模型输出与真实世界坐标对齐，这个项目是个很实际的起点。