ZenSVI 开源项目最佳实践
2025-05-28 22:12:05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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
 
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
278
2.57 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
222
302
Ascend Extension for PyTorch
Python
105
133
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++
599
161
暂无简介
Dart
568
126
一个用于服务器应用开发的综合工具库。
- 零配置文件
- 环境变量和命令行参数配置
- 约定优于配置
- 深刻利用仓颉语言特性
- 只需要开发动态链接库,fboot负责加载、初始化并运行。
Cangjie
250
14
🎉 (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
1.03 K
607
仓颉编译器源码及 cjdb 调试工具。
C++
118
103
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
446