ZenSVI 开源项目最佳实践
2025-05-28 23:55:15作者:贡沫苏Truman
1. 项目介绍
ZenSVI 是一个全面的 Python 包,用于下载、清洗和分析街景图像。该项目由 Koichi Ito(新加坡国立大学)开发,并提供了详尽的 API 文档和使用案例。ZenSVI 支持多种数据源,包括 Mapillary、KartaView、Amsterdam 和 NUS Global Streetscapes 数据集,使得用户能够轻松地获取和处理街景图像。
2. 项目快速启动
在开始使用 ZenSVI 之前,请确保您已经安装了必要的依赖项。以下是快速启动项目的步骤:
首先,安装 ZenSVI:
pip install zensvi
接下来,根据您需要的数据源安装相应的下载器:
from zensvi.download import MLYDownloader
mly_api_key = "YOUR_OWN_MLY_API_KEY" # 请注册并获取您自己的 Mapillary API 密钥
downloader = MLYDownloader(mly_api_key=mly_api_key)
# 以下是一个使用 Mapillary 数据源的例子
downloader.download_svi("path/to/output_directory", lat=1.290270, lon=103.851959)
上述代码将会从 Mapillary 下载指定经纬度位置的街景图像到指定的输出目录。
3. 应用案例和最佳实践
下载街景图像
使用 ZenSVI,您可以轻松地从不同数据源下载街景图像。以下是一些示例:
- 从 Mapillary 下载数据:
from zensvi.download import MLYDownloader
downloader = MLYDownloader(mly_api_key="YOUR_OWN_MLY_API_KEY")
downloader.download_svi("path/to/output_directory", input_csv_file="path/to/csv_file.csv")
- 从 KartaView 下载数据:
from zensvi.download import KVDownloader
downloader = KVDownloader()
downloader.download_svi("path/to/output_directory", input_place_name="Singapore")
分析街景图像元数据
您可以使用 ZenSVI 分析图像元数据:
from zensvi.metadata import MLYMetadata
path_input = "path/to/input"
mly_metadata = MLYMetadata(path_input)
mly_metadata.compute_metadata(unit="image", indicator_list="all", path_output="path/to/output")
运行图像分割
对图像进行语义分割:
from zensvi.cv import Segmenter
segmenter = Segmenter(dataset="cityscapes", task="semantic")
segmenter.segment("path/to/input_directory", dir_image_output="path/to/image_output_directory", dir_summary_output="path/to/segmentation_summary_output")
运行场景分类
使用 Places365 进行场景分类:
from zensvi.cv import ClassifierPlaces365
classifier = ClassifierPlaces365()
classifier.classify("path/to/input_directory", dir_image_output="path/to/image_output_directory", dir_summary_output="path/to/classification_summary_output")
4. 典型生态项目
ZenSVI 作为街景图像处理工具,可以广泛应用于城市规划、交通分析、环境监测等领域。以下是一些典型的生态项目:
- 城市安全评估:使用 ZenSVI 下载街景图像,并通过图像分析评估城市不同区域的安全状况。
- 城市美化计划:通过分析街景图像,确定哪些区域需要绿化或美化,以提升城市整体形象。
- 交通流量分析:利用 ZenSVI 下载的图像,分析交通流量和车辆类型,为交通规划提供数据支持。
通过以上步骤和实践,您可以开始使用 ZenSVI 进行街景图像的下载、清洗和分析,并为各种实际应用提供支持。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.74 K
Ascend Extension for PyTorch
Python
610
794
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.16 K
150
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
987