Mozilla.ai 近日开源其 OpenStreetMap AI Helper Blueprint 项目,通过 YOLOv11 目标检测模型与 Meta SAM 图像分割模型的组合,将卫星影像自动转换为符合 OpenStreetMap 规范的地理多边形数据。实测显示,游泳池等典型地物标注效率较纯人工操作提升 500%。
技术架构
- 数据采集层:整合 Mapbox 卫星瓦片服务(zoom level 18)与 OpenStreetMap Overpass API,构建带地理坐标的标注数据集
- 模型训练层:基于 Ultralytics 框架微调 YOLOv11,模型体积仅 78MB(Hugging Face 仓库)
- 推理验证层:SAM 模型生成像素级掩膜后,通过 GeoJSON 坐标转换确保多边形拓扑正确性
工作流创新
- 人工选定兴趣区域(如西班牙加利西亚大区)
- 自动下载 1km² 范围内卫星影像并切片处理
- 目标检测模型筛选潜在特征,分割模型生成精确轮廓
- 去重校验后通过 JOSM 编辑器提交变更集
开发者接入
- 支持自定义地物类型训练,需准备 200+ 标注样本(数据集规范)
- 提供完整 Colab 工作流:
- 数据准备:
Create Dataset Colab
- 模型微调:
Finetune Model Colab
- 生产部署:
Run Inference Colab
- 数据准备: