首页
/ ZenSVI 开源项目最佳实践

ZenSVI 开源项目最佳实践

2025-05-28 03:33:24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

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
85
561
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
17
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
cjoycjoy
一个高性能、可扩展、轻量、省心的仓颉应用开发框架。IoC,Rest,宏路由,Json,中间件,参数绑定与校验,文件上传下载,OAuth2,MCP......
Cangjie
94
15
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0
RuoYi-Vue3RuoYi-Vue3
🎉 (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
954
564