Quest’oggi vorrei parlarvi di alcune soluzioni foss (free and open source software) che potrete trovare a quest’indirizzo che integrano delle tecniche di Machine Learning insieme ai dati cartografici liberi presenti su OpenStreetMap.
Indice dei Contenuti
Robosat
Robosat è un ecosistema generico per l’estrazione di feature da aerofotogrammetrie ed immagini satellitari; è prodotto da Mapbox e permette una segmentazione semantica delle feature ed una loro successiva estrazione. Esempi di feature che è possibile estrarre sono: strade, edifici, nuvole, acqua, etc. (qui il github del progetto).
RoadTracer
RoadTracer (come indica lo stesso nome) serve per l’estrazione automatica dei tracciati stradali da una cartografia aereofotogrammetrica; è prodotto dal MIT CSAIL e anche di questa soluzione sono proposti la documentazione ed il codice sorgente su github liberamente riutilizzabile.
Looking glass
Looking Glass è una soluzione in Python per l’estrazione dei fabbicati da immagini da satellite; è in grado di discernere se un pixel appartiene o meno ad un edificio. È realizzata da Development Seed ed è presente su github.
Newsletter
All’indirizzo
https://lists.openstreetmap.org/listinfo/machine-learning è possibile iscriversi alla newsletter di OpenStreetMap riguardante il Machine Learning.
Conclusioni
Sono presenti altre soluzioni foss all’indirizzo iniziale (
https://wiki.openstreetmap.org/wiki/Machine_learning) come ad esempio RapiD (sviluppato da Facebook) che è una estenzione dell’iD editor di OpenStrretMap che aiuta il mapping con feature generate da algoritmi di IA, etc. Sarebbe veramente bello vedere nascere dei plugin che ne permettano il loro utilizzo agevole in QGIS.
Qualità tecnica del servizio idrico integrato
