GeoAI с Python

Научитесь применять глубокое обучение и искусственный интеллект к спутниковым изображениям, аэрофотоснимкам и геопространственным данным с помощью Python. Это практическое руководство шаг за шагом проводит вас от загрузки данных дистанционного зондирования до обучения и оценки моделей глубокого обучения с использованием только инструментов с открытым исходным кодом.

• Настраивать полноценную среду GeoAI с Python, PyTorch и ускорением на GPU
• Загружать спутниковые изображения из Microsoft Planetary Computer и открытых порталов данных
• Создавать интерактивные карты и подготавливать обучающие наборы данных из крупных спутниковых изображений
• Обучать и оценивать модели для семи ключевых задач геопространственного ИИ: распознавание изображений, обнаружение объектов, семантическая сегментация, сегментация экземпляров, трансформация изображений, обнаружение изменений и пиксельная регрессия
• Применять фундаментальные модели, включая Segment Anything Model (SAM), модели «зрение–язык» и спутниковые эмбеддинги, к реальным задачам наблюдения Земли
• Выполнять рабочие процессы ИИ в QGIS без написания кода с использованием плагинов для сегментации деревьев, обнаружения воды и других задач

• 23 главы с исполняемыми примерами кода, организованные в пять частей: Основы, Сбор и подготовка данных, Основные задачи ИИ, Фундаментальные модели и Плагины QGIS
• Все примеры используют реальные спутниковые изображения с PyTorch, torchgeo, segment-geospatial, leafmap и geoai
• Весь код и наборы данных доступны бесплатно на GitHub и Source Cooperative для полной воспроизводимости

Специалисты по ГИС, исследователи дистанционного зондирования, специалисты по анализу данных и студенты, которые хотят применять ИИ к геопространственным данным с использованием Python и инструментов с открытым исходным кодом.