GeoAI: Kompleksowy przewodnik po ekstrakcji śladów budynków ze zdjęć lotniczych NAIP

W dzisiejszym świecie, gdzie precyzyjne dane geoprzestrzenne są kluczowe dla wielu zastosowań, od planowania urbanistycznego po zarządzanie kryzysowe, automatyzacja ekstrakcji cech terenowych staje się niezwykle ważna. Niniejszy przewodnik szczegółowo opisuje kompletny proces GeoAI, którego celem jest ekstrakcja śladów budynków z wysokorozdzielczych zdjęć lotniczych NAIP (National Agriculture Imagery Program). Metodologia obejmuje konfigurację środowiska, pobieranie i inspekcję danych, generowanie georeferencyjnych fragmentów obrazów i masek segmentacyjnych, a następnie trenowanie i ewaluację modeli głębokiego uczenia.

Konfiguracja i przygotowanie danych

Pierwszym krokiem w procesie jest skonfigurowanie środowiska głębokiego uczenia geoprzestrzennego. Obejmuje to instalację niezbędnych bibliotek, takich jak geoai-py, segmentation-models-pytorch i buildingregulariser, oraz weryfikację dostępności procesora graficznego (GPU), co jest kluczowe dla efektywności trenowania modeli. Następnie definiowane są centralne parametry konfiguracyjne, takie jak rozmiar kafelka (tile_size: 512), krok (stride: 256), liczba epok (num_epochs: 12) oraz szybkość uczenia (learning_rate: 1e-3). Po przygotowaniu środowiska, pobierane są dane wejściowe: rastrowe obrazy NAIP oraz wektorowe etykiety budynków, pochodzące z Hugging Face (konkretnie z repozytorium giswqs/geospatial).

Kolejnym etapem jest inspekcja danych rastrowych i wektorowych. Analizowane są ich właściwości przestrzenne, takie jak systemy współrzędnych, wymiary i statystyki. Wizualizacja etykiet budynków na tle zdjęć lotniczych oraz generowanie interaktywnych map pozwala na wstępną eksplorację przestrzenną. Następnie obrazy źródłowe są dzielone na nakładające się, georeferencyjne fragmenty (chipsy), a dla każdego z nich tworzone są odpowiadające im maski rastrowe, które posłużą jako dane treningowe dla modelu segmentacji.

Trenowanie i ewaluacja modelu U-Net

Głównym elementem procesu jest trenowanie modelu segmentacji semantycznej U-Net z koderem ResNet-34. Model jest trenowany przy użyciu przygotowanych fragmentów obrazów i masek. Proces treningowy obejmuje podział danych na zbiory treningowy i walidacyjny (val_split: 0.2), wczesne zatrzymywanie (early_stopping_patience: 5) w celu zapobiegania przetrenowaniu, zapisywanie najlepszych wag modelu oraz monitorowanie wydajności. Po zakończeniu trenowania, analizowana jest historia uczenia, a krzywe uczenia są wizualizowane w celu diagnostyki. Pozwala to na identyfikację epoki, w której osiągnięto najwyższy wskaźnik IoU (Intersection over Union) na zbiorze walidacyjnym, co jest kluczowym miernikiem jakości segmentacji.

Ingerencja i post-processing

Po wytrenowaniu modelu, następuje etap ingerencji (inference) z wykorzystaniem techniki sliding-window na niewidzianej wcześniej scenie testowej NAIP. Generowane są zarówno maski predykcji, jak i mapy prawdopodobieństwa. Następnie, w ramach post-processingu, usuwane są małe, szumiące regiony z przewidywanej maski. Kluczowym krokiem jest wektoryzacja przewidywanej maski do postaci poligonów wektorowych, a następnie regularyzacja geometrii śladów budynków. Proces ten obejmuje ortogonalizację i upraszczanie poligonów, co prowadzi do uzyskania czystszych i bardziej precyzyjnych granic budynków. Oblicza się również właściwości geometryczne, takie jak powierzchnia, obwód, zwartość, wydłużenie i orientacja. Wyniki surowej poligonizacji są porównywane z wynikami po ortogonalizacji i regularyzacji, co pozwala ocenić skuteczność tych operacji.

Dodatkowo, przewodnik eksploruje możliwości segmentacji zero-shot z wykorzystaniem modeli Grounding DINO i SAM (Segment Anything Model), a także porównuje uzyskane wyniki z modelem segmentacji instancji Mask R-CNN. Cały ten proces jest również demonstrowany na rzeczywistych obszarach, wykorzystując obrazy NAIP z Microsoft Planetary Computer i etykiety budynków z Overture Maps, co podkreśla praktyczne zastosowanie i skalowalność przedstawionej metodologii.

Ten kompleksowy przewodnik po GeoAI pokazuje, jak zaawansowane techniki głębokiego uczenia mogą być wykorzystane do automatyzacji i usprawnienia procesów ekstrakcji danych geoprzestrzennych. Integracja różnych modeli i etapów przetwarzania danych pozwala na osiągnięcie wysokiej precyzji w identyfikacji i wektoryzacji śladów budynków, co ma istotne znaczenie dla wielu dziedzin wymagających dokładnych i aktualnych informacji przestrzennych. Rozwój takich narzędzi jest kluczowy dla przyszłości analiz geoprzestrzennych i cyfrowego modelowania środowiska.

Źródło: marktechpost.com