SAM大模型在卫星遥感中得应用实践

已于 2024-12-17 11:38:13 修改
阅读量753 收藏 11
点赞数 17
分类专栏： SAM大模型 文章标签： python 人工智能
于 2024-12-17 11:12:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/lhr123789/article/details/144513417
版权

SAM被誉为图片领域中的ChatGPT，可以对图片中进行分割。卫星遥感+SAM大模型会产生什么样的火花？已经有研究者开展了这方面的研究，在此给大家分享一些实践过程中的体会，希望对大家有用。Github上面查到比较相关的项目如下：
1. samgeo

A Python package for segmenting geospatial data with the Segment Anything Model (SAM)
吴秋生老师等开发维护的SAM和遥感数据结合的项目，文档特别详细，详细介绍了如何使用SAM模型来处理卫星遥感数据。


项目地址：xGitHub - opengeos/segment-geospatial: A Python package for segmenting geospatia

最低0.47元/天 解锁文章
探索 SAM 在遥感方面的能力
gis收藏家的博客
04-15 1298
在点云生成的正射影像中，由于点云数据中存在更高级别的细节，分割结果可能比从垂直和倾斜图像获得的分割结果更好。需要注意的是，点云生成的正射影像的分割结果的质量取决于几个因素，包括点云数据的分辨率、正射影像的像素大小。尽管如此，我们仍然可以观察到一种模式，即倾斜角度约为 30-40 度，到相机点的距离越长，从给定的倾斜图像中分割的类别就越少。现在，我们将探讨 SAM 模型在不同遥感数据上的能力，包括假彩色图像、特写图像、倾斜照片和点云生成的正射影像。是的，但事实并非如此。将图像转换为具有分割 ID 的点云。
基于SAM大模型的遥感影像分割工具，用于创建交互式标注、识别地物的能力，可利用Flask进行封装作为Web后台服务
Lbta的博客
09-19 1392
本项目提供了一个图像分割工具，利用 Segment Anything Model (SAM) 对大规模的卫星或航拍图像进行分割。该工具支持通过单点、多点或边界框输入进行图像分割，并将分割结果保存为 shapefile，以便进一步进行地理空间分析。
SAM大模型遥感领域测评
futuregislab的博客
05-23 4258
项目地址：SAM被誉为图片领域中的ChatGPT，可以对图片中的所有对象进行分割。以大家熟知的PS抠图功能类比，过去实现抠图大体上有两种打法：1.经过大量训练，分割出特定对象，比如抠人的模型，抠衣服的模型，抠动物的模型等；2.分割时尽可能的通用，分割后再进行微调。实际应用中，这两种方案混合出现，进而实现自动抠图的效果。但SAM依赖庞大的参数量和海量训练数据。
【SAM模型应用于遥感影像|论文解读1】突破边界与一致性：SAM模型革新遥感影像语义分割
985小水博的摸鱼日常
10-15 1301
【论文解读|SAM模型应用于遥感影像】突破边界与一致性：SAM模型革新遥感影像语义分割
SAM模型在遥感数据样本制作中的革新作用
qq_68149836的博客
07-19 1171
在遥感技术日新月异的今天，数据的处理与分析成为了推动科技进步的关键环节。人工智能、深度学习、大数据的出现给遥感影像解译带来了新的技术与数据生产方式。而智能解译是建立在样本的数量与质量上的。Segment Anything Model（SAM）模型在遥感数据样本制作中展现了其独特的优势与革新作用，引起了业界的广泛关注。
SAM 在遥感图像分割上的应用
如果想成为中心，那么就到中心去吧。
07-03 1735
上图（d）展示了所提出的RSPrompter的结构，我们的目标是训练一个面向SAM的prompter，可以处理测试集中的任何图像，同时定位对象，推断它们的语义类别和实例掩码，可以表示为以下公式：图像通过冻结的SAM图像编码器处理，生成Fimg和多个中间特征图Fi。Fimg用于SAM解码器获得prompt-guided掩码，而Fi则被一个高效的特征聚合和prompt生成器逐步处理，以获取多组prompt和相应的语义类别。为设计prompt生成器，本文采用两种不同的结构，即锚点式和查询式。
【读点论文】The Segment Anything Model (SAM) for Remote Sensing Applications: ... 感觉行文、绘图不太行，方法介绍有点水
白水空空
07-23 1438
这种效率对于大规模遥感应用至关重要，因为及时处理大量数据至关重要。然而，我们的研究只是对该模型的初步探索，其中仍有许多需要研究的地方。在本节中，我们将讨论 SAM 的未来前景以及如何改进它。尽管 SAM 具有潜力，但在应用于遥感图像时仍存在一些局限性。
利用 SAM2 模型探测卫星图像中的农田边界
gis收藏家的博客
01-21 1357
手动绘制田地边界是最耗时的任务之一，其准确性取决于绘制者的表现。然而，精确的边界检测在很多领域都有应用。例如，假设您想训练一种机器学习算法，分析卫星图像中的植被指数与农场作物产量之间的关系。您需要的第一个输入是农场的形状文件，这通常需要手动绘制。绘制一个形状文件可能只需要几分钟，但如果您需要为 1000 个农场绘制边界呢？这时，这个过程就变得非常耗时，而自动提取边界的技术就变得非常有价值，可以节省数小时的工作时间。
遥感大模型
xiaokui6的博客
06-03 1438
随着高光谱遥感技术的迅猛发展，光谱成像数据呈爆炸式增长，现有的分析方法和解译手段已不能满足全要素精细地物感知的需求，人工智能大模型的出现，为解决高光谱遥感数据信息充分提取与挖掘、实现“吃干榨净”提供了技术保障。斯坦福大学的研究定义基础模型（FM）为：指在广泛数据上训练的模型（通常使用大规模的自监督方法），可以用于广泛的下游任务（通过微调等方法）。GPT-4等是目前比较流行的基础模型。在遥感领域，基础模型也在快速发展。本文汇总整理一些典型的研究。
SAM遥感图像处理开源新SOTA！在GPU上实现40倍加速，不损准确性
学姐带你玩AI的博客
05-28 1231
在遥感图像处理领域，通过SAM捕捉复杂图像特征和细微差异，可以实现高精度的图像分割，提升遥感数据的处理效率。这种高度的准确性让展现出了比传统方法更优越的性能。不仅如此，这种策略的特性还能拓展遥感技术的应用领域，因此具有很大的创新潜力。对论文er来说，。最近发布于CVPRW24的SAM-Road模型证明了这点。SAM-Road 模型发挥了SAM模型的能力，结合了语义分割和图神经网络，在城市数据集上的处理速度比现有最先进的方法快 40 倍。除SAM-Road外，还有一些很值得学习的我从中挑选了。
学习遥感大模型（2)---SAM的两种用法(1)
weixin_45827311的博客
10-09 1120
北航、上海人工智能实验室0.简介这篇工作尝试将Meta的SAM迁移到遥感实例分割任务上，需要在遥感数据集上微调；相比SAM交互式的分割（基于不同的Prompt），这篇工作提出自动生成prompt，但是学习到如何自动生成prompt的过程似乎依赖训练数据集，也就是说：模型能识别的类别局限于所有的训练类别。1.动机：需要prompt，prompt类型、位置和数量影响SAM效果SAM缺乏语义信息2.现有的将SAM应用于实例分割的思路3.本文的思路•基于遥感数据集训练一个“
SAM+RS：基于大视觉模型的遥感图像自引导少镜头语义分割
m0_64106140的博客
01-25 882
这种方法的基础是一种创新的自动提示学习技术，它利用先前的引导蒙版为SAM生成粗糙的像素级提示，绕过了需要密集的手动指导。为了方便解释，在下面公式中，用下面符号表示：训练数据集表示为D = {I, T}，支持集表示为Ds = {Is, T}，查询集表示为Dq = {Iq, Tq}，其中I表示图像，T真值。通过将中间查询特征EM(IQ)与像素级先验引导信息P串联，生成新的查询特征，有效地将支持信息与先验信息相结合，增强了分割效果。，可以考虑参考，其余感觉就是魔改炼丹，没必要学。
视觉大模型在遥感领域应用-耕地地块提取
weixin_43476581的博客
05-23 4890
视觉大模型在遥感领域的应用探索，以耕地地块提取为例，验证SAM大模型的强大分割能力。
学习遥感大模型（1）
weixin_45827311的博客
07-11 3753
根据非盈利组织忧思科学家联盟（The Union of Concerned Scientists），截止2023年1月，全球对地观测卫星在轨数目已超过1000颗。大量的对地观测卫星很大程度解决遥感数据匮乏的困境，随之而生的问题是海量遥感大数据需要更加智能的自动分析算法。大数据催生大模型，ChatGPT、SAM的涌现为遥感智能解译领域带来新的启发，能否基于海量遥感数据无监督地训练一个参数量巨大的强泛化性模型作为底座，通过极低成本的适配来服务于各个下游任务？
使用SAM进行遥感图像语义分割
lalula的博客
05-21 6210
SAM（Segment Anything Model）的成功表明了以数据为中心的机器学习的重要性。然而，由于遥感（RS）图像注释的困难和高成本，大量有价值的RS数据仍然没有被标记，特别是在像素级。在这项研究中，我们利用SAM和现有的RS物体检测数据集，开发了一个高效的管道来生成大规模的RS分割数据集，称为SAMRS。SAMRS在规模上超过了现有的高分辨率RS分割数据集几个数量级，并提供了物体类别、位置和实例信息，可用于语义分割、实例分割和物体检测，无论是单独还是组合。
遥感中的 SAM 分割
gis收藏家的博客
04-15 1408
由于输出结果会进行简化，因此需要进行评估和细化的过程来丰富分类结果，确实它确实帮助我们加快了分类过程很多。在传统的遥感中，我们需要手动定义掩模和边界，例如目标的边界和掩模的裁剪。它可以通过相机的深度方向进行分割和提取，在本文中，我们将把 SAM 用于城市林业和遥感应用。SAM模型可以在城市地区有效工作，例如来自Google Earth网格模型的样本数据，它可以定义植被覆盖、道路（天桥）、建筑物和水体。基于 RGB 的 SAM 输出、绿带 SAM 输出、基于 RGB 的深度图和绿带深度图输出。
【SAM模型应用于遥感影像|论文解读3】突破边界与一致性：SAM模型革新遥感影像语义分割
985小水博的摸鱼日常
10-17 1105
【SAM模型应用于遥感影像|论文解读3】突破边界与一致性：SAM模型革新遥感影像语义分割
视觉分割大模型的过去、现在和未来！SAM最新综述来了！
CV_Autobot的博客
06-26 2404
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取今天自动驾驶之心很荣幸邀请到Garfield来分享视觉SAM分割大模型的最新综述，如果您有相关工作需要分享，请在文末联系我们！>>点击进入→自动驾驶之心【AIGC】技术交流群论文作者|Chunhui Zhang自动驾驶之心特约解读|Garfield编辑 | 自动驾驶之心1. 引言基础模型是近年来在人工智能（A...
Segment Anything Model 的 3 个遥感用例
天波风客的博客
06-25 949
【导读】Facebook 工程团队发布了Segment Anything Model (SAM)。SAM 具有很高的“零样本”泛化能力，这意味着它可以准确地检测算法没有见过或没有专门训练过的物体。我们在项目中（主要是农业、AEC 和能源领域）中测试 了SAM，下面我会通过3个例子说明SAM的具体应用。农田界线数字化精准农业和农业分析工具从根本上依赖于数字化农作物的边界。这是因为农业经营往往在田间层...
SAM模型
最新发布
03-13
引用[1]提到SAM模型在遥感影像中的语义分割应用，突破了边界与一致性。引用[2]讨论了SAM的衍生方向，如结合目标检测、CLIP模型和类别信息完善。引用[3]涉及SAM在医学中的应用，特别是零样本迁移能力。引用[4]则提到...
评论
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
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