qgis-samgeo(仅国内网络即可安装)

Geo-SAM实战:QGIS中基于SAM的遥感图像高效标注指南 本文详细介绍了如何在QGIS中部署并使用Geo-SAM插件,实现遥感图像的半自动标注。通过集成SAM模型,用户只需提供少量点击或框选提示,即可快速、精准地分割地物轮廓,将标注效率提升数倍。指南涵盖了环境配置、图像编码、交互式分割及性能优化等全流程,帮助地信工作者告别手动标注的繁琐工作。 阅读详情

前言

       本章以QGIS为例,本次使用的QGIS为最新版本QGIS Desktop 4.1.0,实操samgeo插件在QGIS中的应用,提供了国内网gitee、ModelScope、百度云盘下载源码、模型、测试数据方法,从而实现了仅在国内网络条件下即可安装。SamGeo是一款基于Segment Anything Model(SAM)的QGIS遥感图像分割插件。SamGeo支持SAM1、SAM2、SAM3模型;提供文本输入、点标记(前景/背景标记)、框选三种交互形式;支持结果输出为矢量(GeoPaclage/Shapefile)或栅格(GeoTIFF)


目录

  • 1 SamGeo QGIS Plugin安装
  • 2 模型加载
  • 3 交互提示遥感影像分割

1 SamGeo QGIS Plugin安装

        插件github下载地址:

https://github.com/opengeos/qgis-samgeo-plugin.git

        国内gitee下载地址如下:

https://gitee.com/osg_opensource/qgis-samgeo-plugin.git

       下载好的gis-samgeo-plugin.zip文件可以直接通过QGIS【Plugins】->【Manage and Install Plugins...】->【Install from ZIP】进行安装,如下图所示:

        或可直接在插件管理器安装SamGeo插件,首先勾选显示实验性质的插件,接着在All目录中找到SamGeo插件进行安装,如下图所示:

        插件已在笔者本地安装,因此上图右下角显示为Reinstall Expermental Plugin。

        插件安装后,会在菜单栏、工具栏中出现关于SamGeo相关的工具:

菜单栏工具栏

        接着点击右侧SamGeo Segementation按钮,在右侧会弹出SamGeo Segementation对应的Dock窗口。初始状态下会提示安装SamGeo分割所需要的环境,当SamGeo环境一键式安装后则展现处所有的功能面板,包含Model、Text、Interactive、Batch、Output五个功能Tab页,如下图所示:

        本此尝试以官方提供的数据为例,https://github.com/opengeos/datasets/releases,下载其中places下的wa_building_image.tif与wa_building_centroids.geojson文件。或者可从如下网盘地址中下载:https://pan.baidu.com/s/1_Ke3y3XIhs1Q9mOi5WBNoQ?pwd=kyye

2  模型加载

        进入到SamGeo Segmentation界面【Model】页,选择SamGeo3(SAM3)模型,【Device】选择auto,可在显存不足时,将模型加载到CPU端,同时【Input Layer】相选择某个已加载到主视口区域的影像。

       值得注意的是,由于网络原因和Huggingface上Meta/Sam3的访问限制,【Load Model】往往会失败,此时可以将模型从ModelScope上下载到本地,下载地址如下:

  https://www.modelscope.cn/models/facebook/sam3

       模型下载到本地后,需设置如下环境变量。使SamGeo插件能够通过环境变量找到模型位置:

3  交互提示遥感影像分割

       模型加载后, 接着可通过交互提示的方式实现遥感影像分割,交互提示包含文本输入、点标记(前景/背景那个表及)、框选三种形式。

3.1 文本输入

       进入到SamGeo Segmentation界面【Text】页,提示框输入buildings,接着点击【Segment by Text】可分割出房屋:

输入提示词

得到分割结果

​3.2 点选

       进入到SamGeo Segmentation界面【Interactive】页,通过点击【Add Foreground Points】按钮添加前景点,点击【Add Background Points】添加背景点,点击【Clear Points】可清除已添加的点,点击【Segment by Points】可实现按已有添加的点进行语义分割。

       以如下操作流程为例:首先点击【Add Foreground Points】,然后在主视图区点击一处房屋的点,接着点击【Add Background Points】,然后在主视图区点击一处道路点,节点点击【Segment by Points】按钮,效果如下图所示:

其中绿色点为Foreground Point,而红色点为Background Point

3.3 框选

       【Interactive】页还在在框选功能,点击【Draw Box】按钮,接着点击【Segment by Box】按钮,实现语义分割,结果如下:

其中淡蓝色框为手动框选的框
【GEO-AI】SAM-Geo库(segment-geospatial)入门教程 SAM-Geo是一个用于地理空间数据的Python 包,可在 PyPI 和 conda-forge 上使用。作者吴秋生是美国田纳西大学地理系老师,根据他在Bilibili主页上的介绍,研究方向主要包括地理信息科学和遥感,个人主页地址:https://wetlands.io。SAM-Geo工具包主要用于简化SAM模型在地理空间数据上的应用,其想法来源于segment-anything-eo【github地址。 阅读详情

相关推荐

QGIS插件Geo-SAM使用(基于SAM半自动标注遥感图像)

Geo-SAM是一个QGIS插件,旨在帮助人们在使用大尺寸地理空间栅格图像时有效地分割、描绘或标记地貌。Segment Anything Model (SAM) 是一个具有超能力的基础 AI 模型,但模型大小巨大,即使使用现代 GPU,使用它来处理图像也可能需要很长时间。我们的工具使用预先对图像特征进行编码和修剪 SAM 模型的策略。交互式分割算法可以在笔记本电脑CPU上执行实时推理(以毫秒级速度),使其成为处理遥感图像的方便高效的工具。

weixin_45213317的博客 4013

Segment Anything Model Geospatial (SAM-Geo) 创建交互式地图

SAM-Geo是一个用于地理空间数据的Python 包,可在 PyPI 和 conda-forge 上使用。本节教程是SAM-Geo官网的一个教程,根据输入提示范围创建mask遮罩。后面还有一种基于提示词创建的方式,如只输出房屋、道路、树木等,下一期我们专门写一篇。输入提示是指提供给模型以指导其生成或决策过程的信息或指令。在使用 Segment Anything Model (SAM) 生成对象掩码的上下文中,输入提示可以是单个点或多个点,用于指定要为其生成掩码的对象或区域。安装和导入库。

天波风客的博客 2481

1 GeoAI 全面介绍

GeoAI是一个整合AI与地理空间分析的Python工具包,提供从数据获取到模型部署的端到端解决方案。它支持卫星影像、航拍照片等多元数据,内置分类、检测、分割等深度学习模型,可应用于城市规划、环境监测、农业管理等多个领域。核心功能包括自动化数据准备、多格式支持、GPU加速和地理配准处理,通过统一接口降低了AI技术应用门槛。典型应用场景包括建筑物提取、水体监测和灾害评估等,支持QGIS集成和交互式可视化,为地理空间智能分析提供高效工具。

wujianyouhun的专栏 514

SamGeo深度解析:地理空间AI分割的革命性技术融合实战

在传统地理空间分析中,从卫星影像中提取建筑物、道路、水体等要素一直是一个耗时且需要专业技能的复杂过程。传统方法依赖人工勾绘或基于像素的分类算法,效率低下且精度有限。SamGeo的出现彻底改变了这一格局,它将Meta的Segment Anything Model(SAM)与地理空间数据处理深度整合,为GIS领域带来了革命性的AI驱动解决方案。 ## 技术痛点与行业挑战 传统地理空间分割面临三大核

gitblog_00764的博客 211

YOLO与SAM在地理空间AI中的实战对比与应用

目标检测与图像分割是计算机视觉中的两大核心技术,分别对应着不同的应用需求和技术实现。目标检测技术如YOLO系列,以其高效的实时处理能力,在地理空间物体普查和大规模影像分析中展现出显著优势。而图像分割技术如SAM模型,则通过其高精度的掩模生成能力,为精细化空间分析提供了新的可能。这两种技术在遥感影像处理、智慧城市建设和农业监测等领域具有广泛的应用价值。YOLOv8和SAM的结合使用,不仅能提升处理效率,还能降低标注成本,成为地理空间AI领域的新趋势。

weixin_30482383的博客 297

用 SamGeo 库实现遥感影像自动分割:从本地 TIFF 到 SHP/GeoJSON 的一站式处理(Python 脚本实现)

用 SamGeo 库实现遥感影像自动分割:从本地 TIFF 到 SHP/GeoJSON 的一站式处理(Python 脚本实现)

yilvyangguang520的博客 700

10个SamGeo实用技巧:从新手到专家的快速提升路径

SamGeo是一款基于Segment Anything Model (SAM)的Python地理空间数据分割工具,能够帮助用户轻松实现卫星图像、航拍照片等地理空间数据的智能分割。本文将分享10个实用技巧,助你从新手快速成长为SamGeo专家,提升地理空间数据处理效率。 [![SamGeo工具logo](https://raw.gitcode.com/gh_mirrors/se/segment-g

gitblog_00626的博客 404

基于SamGeo模型和地图客户端的实时图形边界提取

SAM-Geo是一款基于SAM模型的Python地理空间分析工具,可高效处理遥感影像分割。该工具通过集成leafmap等库提供图形化界面,支持多种数据格式导出。WebGIS集成方案通过前端截图和坐标采集,利用SAM模型实现地块边界自动提取,并对比了ViT-H/L/B三种模型性能差异。系统实现流程包括地图截图、坐标采集、SAM模型处理、结果优化等步骤,最终输出GeoJSON格式的边界数据。文中提供了完整的Web实现代码,包含地图交互、数据处理和结果可视化功能,为地理空间分析提供了高效解决方案。

做GIS梦的人 562

我扫了 QGIS 插件仓库 112 个 AI 插件:热度第一名不是 SAM,而是它——TaoToken 视角下的调用链复盘

QGIS 112个AI插件调用链复盘:下载量榜首是SCP而非SAM,关键差异在模型请求层。用TaoToken统一Key与Base URL,按OpenGeoAgent、QGIS MCP、Cline三份可复制配置填三件套,再以curl、插件单轮、MCP工具调用三层验证,逐条排查401、local proxy failed、reading choices等报错。详见 https://taotoken.net/?utm_source=taotoken_aicg_blog_end

weixin_35753431的博客 9

【地理信息系统】基于Python的农场边界自动提取:使用samgeo包进行零样本学习的地理空间图像分割与矢量化

内容概要:本文介绍了如何使用samgeo包自动分割GeoTIFF图像并提取农场边界作为矢量图层。整个过程无需提供任何训练样本或提示,属于零样本学习。具体步骤包括:加载由Landsat-8图像计算得到的NDVI GeoTIFF图像,利用Segment Anything模型进行图像分割,将分割结果多边形化并保存为shapefile格式,最后对结果进行可视化和清理。数据来源是美国地质调查局提供的Landsat-8图像。 适合人群:具备一定地理信息系统(GIS)和Python编程基础,对遥感图像处理和地理空间数据分析感兴趣的科研人员和技术开发者。 使用场景及目标:①学习如何使用samgeo包进行零样本学习下的图像分割;②掌握从GeoTIFF图像中提取特定区域(如农场边界)的方法;③理解如何将分割结果转换为矢量数据并进行后处理;④熟悉相关Python库如geopandas、rioxarray等的应用。 阅读建议:本教程详细记录了每个步骤的操作方法及代码实现,建议读者按照教程顺序逐步实践,同时可以尝试调整参数或更换不同类型的遥感影像以加深理解。此外,对于初学者来说,提前安装好所需的Python环境和依赖库是非常重要的。

多仓智能订单路由与动态优化方案设计

现在有很多商家会有多个仓库,并分布在不同的城市中,当用户下单后会根据商品库存及订单信息将订单分配到对应的仓库进行发货,如就近原则,本期基于多仓库设计一套订单路由方案,包含核心逻辑、规则优先级和实施方案,适用于多仓协同的订单自动分配场景

14年产品经理老兵,想把自己的经验及总结分享给大家,只讲思路及实操,不讲废话 2476

我扫了 QGIS 插件仓库 112 个 AI 插件:热度第一名不是 SAM,而是它

我扫了 QGIS 官方插件仓库 9 个 AI 相关标签,去重后,按真实下载量排了个榜。猜猜热度第一名是谁?不是 SAM 分割,不是对话助手——是 264 万下载的。

一线架构师,技术总监。专注研究GIS+AI大模型及智能体,持续分享技术、经验和想法~ 705

逆变器并联--下垂控制引入虚拟阻抗

说明传统下垂控制的缺点、分析虚拟阻抗的原理和实现方法

weixin_58670090的博客 1万+

Geo-SAM:地理空间AI智能分割的一站式解决方案

在地理信息科学领域,传统遥感图像分割往往面临效率低下、操作复杂等痛点。Geo-SAM作为一款革命性的QGIS插件,通过集成先进的Segment Anything Model技术,为地理空间分析带来了全新的智能体验。 ## 技术创新的核心突破 Geo-SAM最大的技术突破在于其创新的两阶段处理架构。第一阶段通过图像编码器将大型遥感图像转化为高效的特征文件,这个过程虽然耗时但只需执行一次。第二阶段

gitblog_00183的博客 709

Vivado SDK中LWIP库版本冲突与RTL8211FDI兼容性实战解析

本文深入解析Vivado 2019.1 SDK中LWIP 1.0库与RTL8211FDI千兆PHY芯片的版本冲突问题,并提供实战解决方案。通过手动移植高版本LWIP库、整合第三方驱动及优化BSP配置,有效解决了以太网通信兼容性问题,确保千兆性能稳定运行。

ios99的博客 271

2026年OPPO嵌入式岗位面试题带详细答案

本文总结了OPPO嵌入式岗位面试的核心考点,涵盖硬件驱动、系统启动、Linux内核开发等7大模块共34道典型题目。重点解析了SPI通信协议、中断处理、U-Boot启动流程、Linux驱动开发等关键技术,突出硬件调试与工程实践能力考核。题目设置贴合实际岗位需求,适合校招与社招驱动开发岗位应聘者系统复习,帮助掌握嵌入式开发的核心知识与面试要点。

Open 489

GeoLibre 云原生 GIS 平台:技术架构、核心能力与 Web 嵌入指南

本文基于 GeoLibre 官方文档首页(`docs/index.md`)与仓库源码撰写,系统梳理这个"免费、开源、轻量、云原生"的 GIS 平台的定位与技术栈、当前已交付的核心能力、浏览器端的部署与嵌入参数,以及项目的架构与文档体系。读完本文,你可以了解 GeoLibre 的 monorepo 结构与关键包划分、复现其 Web 嵌入的完整 URL 参数用法,并知道如何从源码与文档继续深入各功能模

gitblog_00596的博客 224

lammps剪切模拟的三种实现方法

本文介绍了LAMMPS分子动力学模拟中三种剪切方法:fix deform全局盒子剪切、速度边界剪切和外力加载剪切。fix deform通过改变盒子形状实现均匀剪切,适合宏观力学参数计算;速度边界剪切通过固定边界原子施加速度模拟非均匀剪切,适合界面摩擦研究;外力加载剪切则通过施加恒定力研究材料屈服行为。文章详细说明了每种方法的适用场景、核心原理和关键命令,并强调应根据具体研究目标选择合适方法。这些方法为金属、聚合物等材料的剪切模拟提供了实用解决方案,可直接套用文中命令进行建模计算。

lammps_jiayou的博客 63

Segment Anything模型用于地理空间数据

原文地址:https://samgeo.gishub.org/examples/satellite/此笔记本通过几行代码展示了如何使用 Segment Anything Model (SAM) 来使用分段卫星图像。确保为此jupyter notebook使用 GPU 运行时。安装依赖取消注释并运行以下单元格以安装所需的依赖项。# %pip install segment-geospatial l...

天波风客的博客 1384

Python爬虫实战:利用Playwright和反反爬技术高效抓取Bloomberg金融数据

用户行为分析(鼠标移动、点击模式)请求头检测IP频率限制WebSocket通信验证Canvas指纹识别我们的爬虫需要模拟人类行为,使用代理IP池,并合理控制请求频率。

2201_76125261的博客 1020

探索激光焊接光束质量诊断系统:原理、应用与前沿

激光焊接光束质量诊断系统是一套专门用于精确评估和监测激光焊接过程中光束特性的精密设备。它宛如一个精密的 “光束医生”,能够全方位地对激光光束进行 “体检”,为焊接工艺提供关键的数据支持。探测器:作为系统的 “感知触角”,探测器负责捕捉激光光束的各种信息,其性能直接影响着诊断的准确性。例如,常见的 CCD(电荷耦合器件)探测器和 CMOS(互补金属氧化物半导体)探测器,它们能够将光信号转化为电信号,具有高灵敏度、高分辨率等特点,可精确探测光束的强度分布、光斑位置等参数。光学透镜。

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 2582

Geo-SAM:高效地理空间图像分割插件

--- ## 项目介绍 **Geo-SAM** 是一个专为QGIS设计的插件,旨在解决处理大型地理空间栅格图像时的地貌分割、描绘或标记问题,大大提升了效率。它基于强大的 **Segment Anything Model (SAM)**,一个具有超级能力的基础AI模型。然而,原生SAM模型体积庞大,即使在配备现代GPU的系统上处理图像也可能耗时过长。Geo-SAM通过预先编码图像特征和精简SAM

gitblog_00837的博客 1550

YOLOv11改进策略【损失函数篇】| WIoU v3:针对低质量样本的边界框回归损失函数

是一种基于IoU的损失函数,旨在解决目标检测中边界框回归损失函数在处理低质量训练数据时的问题。论文链接:https://arxiv.org/pdf/2301.10051 源码链接:https://github.com/Instinct323/wiou此处需要查看的文件是中定义了模型的损失函数和计算方法,我们想要加入新的损失函数就只需要将代码放到这个文件内即可将下方的函数替换原本的函数即可: 用于计算各种损失。在内修改如下代码,使模型调用此损失函数。 tal.py中是一些损失函数的功能应用。在内修改如下代码,

Limiiiing的博客 3793

SamGeo完整指南:5步掌握地理空间AI分割的强大工具

SamGeo是一个基于Meta的Segment Anything Model(SAM)的Python包,专门用于地理空间数据的分割分析。这个开源工具将最先进的AI分割技术与地理信息系统(GIS)完美结合,让地理空间分析变得更加简单高效。无论你是GIS专业人员、遥感分析师还是地理数据科学家,SamGeo都能显著提升你的工作效率和分析精度。 ## 🚀 核心特性亮点展示 ### 多版本SAM模型全

gitblog_00226的博客 78

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

革命性地理空间AI工具SamGeo:一键分割卫星影像的终极指南

**SamGeo**是一款基于Segment Anything Model(SAM)的Python包,专门用于地理空间数据的智能分割。这个革命性的地理空间AI工具让卫星影像分割变得前所未有的简单和高效。无论你是遥感专家、GIS分析师还是数据科学家,SamGeo都能帮你快速从复杂的卫星影像中提取有价值的地理信息。 ## 🚀 为什么选择SamGeo进行地理空间分析? SamGeo将Meta的Se

gitblog_00865的博客 725

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

上一篇: 城市级点云高程着色怎么做得又快又稳?osgPotree 渲染都柏林大规模点云
下一篇: vsgQt- VulkanSceneGraph 与 Qt 窗口的集成
CHPCWWHSU
博客等级 码龄12年 554粉丝 95原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CHPCWWHSU

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值