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：