Blueprint Hub

Карты в OpenStreetMap с компьютерным зрением mozilla.ai Lumigator Blueprint, который демонстрирует, как настроить модель обнаружения объектов компьютерного зрения для отображения функций в OpenStreetMap (OSM) с добавлением слоя проверки человека. Он служит отправной точкой для создания рабочих процессов ИИ с открытым исходным кодом, которые преобразуют визуальные данные в структурированные функции карты, обеспечивая при этом совместную работу и проверку людьми для обеспечения точности в задачах отображения.

Обзор

• Цель: Обучить модель обнаружения объектов, способную идентифицировать соответствующие карте особенности (например, дороги, здания, барьеры, водоемы) на снимках и согласовать их с типами функций OpenStreetMap.
• Доступность: Разработан для разработчиков и исследователей, которые хотят создать специализированные конвейеры компьютерного зрения для отображения функций OSM.
• Human-in-the-loop: включает в себя этап проверки, на котором люди просматривают и корректируют результаты модели для поддержания высокого качества данных для картографических данных.
• Акцент с открытым исходным кодом: построен в рамках проекта Mozilla.ai для поощрения открытого сотрудничества и повторного использования.

Как использовать функции карты в OpenStreetMap с компьютерным зрением

1. Обзор предпосылок. Убедитесь, что у вас есть маркированный набор данных изображений с соответствующими метками функции OpenStreetMap (например, дорога, здание, вода, растительность). Доступ к вычислительной среде, способной обучать модели обнаружения объектов (например, PyTorch, через рабочий процесс чертежа).
2. Настрой чертеж. Импортируйте чертеж в рабочую среду Lumigator / Open-Source AI. Настройка путей набора данных, отображение меток на типы функций OSM и любые этапы предварительной обработки, специфичные для домена.
3. Тренируйте модель. Запустите процесс обучения обнаружению объектов. План направляет вас через настройку архитектуры модели (например, RetinaNet, варианты YOLO или пользовательские детекторы) и обучение гиперпараметрам.
4. Оценить и повторить. Оценка производительности модели на наборе валидации, с акцентом на точность / вызов для отображенных функций OSM. Итерация на маркировке данных, расширение и выбор модели для улучшения результатов.
5. Применяется к изображениям и функциям карты. Используйте обученную модель для вывода функций на новые изображения (например, спутниковые или аэрофотоснимки) и генерации структурированного вывода, согласованного со схемой OpenStreetMap.
6. Человеческая проверка. Модель маршрута выводит валидаторы для подтверждения или исправления обнаруженных функций, обеспечивая согласование с конвенциями меток OSM и локальным контекстом.
7. Опубликовать и синхронизировать. Интегрируйте проверенные функции в готовый к OSM рабочий процесс, позволяя вносить вклад в данные карты и сотрудничать с сообществом OSM.

Ключевые концепции

• Обнаружение объектов для извлечения признаков карты: Обнаруживает визуальные признаки в изображениях и присваивает им предварительно определенные категории признаков OSM.
• Функциональное отображение в OSM: выравнивание обнаруженных классов с помощью тегов OpenStreetMap и геометрии (точки, линии, полигоны), подходящих для данных карты.
• Человеческая проверка: уровень контроля качества, где люди рассматривают обнаружение, чтобы исправить неправильные классификации и уточнить границы.
• Формат с открытым исходным кодом и воспроизводимый: Blueprint поощряет повторное использование, модификацию и совместное использование рабочих процессов.

Результаты

• Обученные модели обнаружения объектов весы и конфигурации.
• Прогнозы на новые изображения с соответствующими метками функций OSM.
• Аннотированные наборы данных и метрики оценки, подходящие для улучшения картографических трубопроводов.
• Документация и шаблоны для интеграции с существующими рабочими процессами импорта/экспорта OSM.

Преимущества и случаи использования

• Ускоряет отображение функций в OpenStreetMap, используя автоматическое обнаружение.
• Позволяет настраивать рабочие процессы отображения для конкретных мест или приоритетов функций.
• Поддерживает движимое сообществом улучшение картографических данных с помощью проверки «человек-в-петле».

Безопасность и соображения

• Предсказания моделей должны быть рассмотрены людьми, прежде чем вносить свой вклад в OpenStreetMap, чтобы избежать неправильной маркировки.
• Помните о лицензировании и источниках данных при использовании изображений для картографических проектов.

Основные характеристики

• Проект с открытым исходным кодом, предназначенный для точной настройки модели обнаружения объектов, ориентированной на картографирование функций OpenStreetMap
• Шаг проверки человека для обеспечения точности и качества картографических данных
• Сквозной рабочий процесс от подготовки данных до развертывания моделей и интеграции картографирования
• Гибкий выбор моделей и настройка набора данных в соответствии с различными локализациями и типами функций
• Многоразовый формат чертежей в Mozilla.ai Lumigator для совместной разработки
• Четкое руководство по обучению, оценке и интеграции со схемами маркировки OSM