데이터 유형
| 소스 | Avala 데이터 유형 | 일반적인 어노테이션 |
|---|---|---|
| 위성 영상 | Image | 폴리곤, 세그멘테이션 마스크, 분류 |
| 항공 사진 | Image | 바운딩 박스, 폴리곤 |
| 드론 영상 | Image, Video | 바운딩 박스, 폴리곤, 세그멘테이션 |
| 정사사진 | Image | 세그멘테이션 마스크, 분류 |
| 시계열 합성 | Image | 분류, 변화 탐지 어노테이션 |
일반적인 작업
토지 이용 분류
위성 및 항공 이미지를 토지 피복 카테고리로 세그멘테이션합니다: 도시, 산림, 수역, 농업, 황무지, 습지 등.건물 풋프린트 추출
매핑, 도시 계획, 변화 탐지를 위해 건물 주위에 폴리곤 경계를 추적합니다.차량 및 객체 카운팅
항공 영상에서 바운딩 박스 어노테이션을 사용하여 차량, 선박, 항공기 및 기타 객체를 탐지하고 카운팅합니다.인프라 모니터링
도로, 교량, 전력선, 태양광 패널, 파이프라인 등의 인프라 요소에 상태 평가 및 변화 탐지를 위해 어노테이션합니다.변화 탐지
다른 날짜의 이미지를 비교하여 변화를 식별합니다: 신규 건설, 산림 벌채, 홍수 범위, 작물 성장.데이터셋 구성
위성 및 항공 영상 데이터셋은 규모가 크며 — 지역과 시간대에 걸쳐 수천에서 수백만 개의 이미지 — 효과적인 구성이 중요합니다.슬라이스 사용
슬라이스는 이미지를 복제하지 않고 가상 부분집합을 생성합니다:- 이미지의 80%로
training슬라이스와 20%로validation슬라이스 생성 - 지역별 모델 평가를 위한 지리적 영역별 슬라이스 생성
- 어노테이터가 자주 틀리는 이미지를 위한
difficult-cases슬라이스 생성
시작하기
다음 단계
폴리곤 도구
건물 풋프린트와 인프라를 위한 정밀 경계 추적.
클라우드 스토리지
대규모 영상 컬렉션을 위해 S3 또는 GCS 버킷을 연결하세요.