Mapbox与OSM联手打造开源工具RoboSat，即将指数倍提高你的图像处理效率

🤖

RoboSat 一款非常实用且高效的图像处理工具

随着近期以来，Mapbox 用户的不断增加，以及我们与多方合作的不断增强，我们需要处理的数据也在一天天成指数级增长。这也促使我们不断优化我们的工具，来帮助我们更高效地完成数据处理。

有赖于计算机视觉和机器学习技术的发展，Mapbox 这次与 OpenStreetMap 开源社区联手打造了一款处理图像数据的神器—— RoboSat。这是一种开源的生产力工具，端对端地进行图像识别，从航拍或卫星图中提取特征点用于地图渲染。

RoboSat 简化了机器学习的工作流程，使用户可以更加方便地处理高空和卫星数据。在跟踪实时的森林砍伐状况、火灾情况、土地利用等场景都有广泛的用途。你还可以使用 Robosat 来实时验证 OpenStreetMap 中的地图变化（参考 Mapbox Satellite for Machine Learning)

Mapbox 有长期与 OpenStreeMap 这些开源社区合作的历史。这次RoboSat，也是我们与 OpenStreetMap 社区联手打造的，有赖于世界各地的开发者们的贡献，OpenStreetMap 为 RoboSat 提供了强有力的数据支持。

你可以关注我们在 RoboSat Github 上的开源主页，来跟进 RoboSat的更新。

💁RoboSat 是如何工作的？

简单来说，分为三个部分。

Part 1 数据提取

Robosat 可以帮助我们识别图像信息，自动创建可供用于特征训练的数据集。我们提供了方便的数据获得来源，你可以从 Maps API 下载航拍图像，并通过 OpenStreetMap 生成几何图形蒙版。

Part 2 训练与建模

RoboSat 的建模工具使用卷积神经网络对数据进行分割。RoboSat 运行在我们高性能的柏林总部机房中，训练好的模型对数据点进行分类和区域划分。

Part 3 后处理

RoboSat 的后处理工具帮助整理数据分割后的结果，包括数据去噪、简化几何图形，将图像信息转化为地理坐标 （GeoJSON 功能），并正确处理瓦片渲染边界。

以下是一个使用 RoboSat 进行数据识别和建模的过程：

Mapbox 有丰富的高清卫星图层（去年7月，我们更新了相当于巴西一整个国家国土面积约820万平方公里的高清卫星数据）是用 RoboSat 进行特征学习的理想数据来源，你可以通过我们的 Maps API 来获取瓦片图层。

对于 OpenStreetMap 社区产生贡献或者一般的非商业目的，使用我们的航拍图是免费的，大量或商业应用请留言或联系我们的团队。

Mapbox 正式启用微信订阅号已经有两个礼拜啦。欢迎关注我们最新的订阅号Mapbox说（微信搜索 Mapbox-CN），获取更多 Mapbox 相关的新闻和技术内容分享哟！现在你还可以关注今天的二条信息，参加活动，赢取免费 TechCrunch 门票！

---

👀你可能想看更多

我们欢迎你与我们分享你的作品，你可以在微博上 @Mapbox，或者tag #mapbox# ，或者直接在微信上发给我们👻