Home › Roadmap › GeoAI › Part 5

Building & Road Extraction

📘 ছবি থেকে স্বয়ংক্রিয়ভাবে ভবন ও রাস্তা।

🌐 Auto-extract buildings and roads.

🌏 জিওএআই🎚 Intermediate📍 Part 5 / 12🧩 3 সাব-টপিক

🌏

ধারণা · Concept

কী এবং কেন

📘 বাংলা ব্যাখ্যা:
ছবি থেকে স্বয়ংক্রিয়ভাবে ভবন ও রাস্তা।

🌐 English:
Auto-extract buildings and roads.

🗂 কোথায় পড়ে

৫. জিওএআই → জিওএআই → Building & Road Extraction

🎯 এই শাখার লক্ষ্য

Apply ML/DL to imagery and spatio-temporal data

🧰 টুলস

TorchGeo, segment-geospatial, geoai

🪜

ধাপে ধাপে শিখুন · Step-by-step

কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল

💡 কেন গুরুত্বপূর্ণ?

হালনাগাদ ভবন ও রাস্তার মানচিত্র—দুর্যোগ প্রস্তুতি, জনসংখ্যা অনুমান, নগর পরিকল্পনা।

ধাপ 1
উচ্চ-রেজোলিউশন ছবি (<১ মি) দরকার
ধাপ 2
Instance segmentation (Mask R-CNN) বা SAM-Geo দিয়ে ভবন আলাদা
ধাপ 3
রাস্তা: সেগমেন্টেশন → স্কেলিটন → নেটওয়ার্ক গ্রাফ
ধাপ 4
পলিগনে রূপান্তর ও নিয়মিতকরণ (সোজা কোণ), OpenStreetMap-এর সাথে তুলনা

🧪 বাস্তব উদাহরণ

segment-geospatial দিয়ে কক্সবাজার শরণার্থী ক্যাম্পের আশ্রয়কেন্দ্র গণনা।

⚠️ সাধারণ ভুল

কম রেজোলিউশনে (১০ মি) আলাদা ভবন শনাক্তের চেষ্টা।

🔑 মূল শব্দ (Key terms)

building extractionroad extractionMask R-CNNSAM-Geovectorization

সাব-টপিক ও বিস্তারিত · Sub-topics

টপিক → সাব-টপিক → সাব-সাব টপিক

5.1 ইনস্ট্যান্স সেগমেন্টেশন

5.2 SAM-Geo দিয়ে জিরো-শট

5.3 ভেক্টরাইজেশন5.3.1 রাস্টার থেকে পলিগন

🎬

ভিডিও · Videos (বাংলা ও English)

ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত

📺 আরও খুঁজুন

🇧🇩 Bangla GeoAI ↗
🌐 Qiusheng Wu ↗Spatial Thoughts ↗

💻

হাতে-কলমে · Try it (GeoAI)

এডিট করে Run চাপুন · Ctrl+Enter

import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report
# Pixel classification with spectral features (synthetic Sentinel-2 like bands)
rng=np.random.default_rng(7)
def sample(n,mu): return rng.normal(mu,0.03,(n,4))   # blue, green, red, nir
X=np.vstack([sample(300,[.05,.06,.04,.02]),sample(300,[.04,.08,.05,.40]),sample(300,[.12,.13,.15,.20])]); y=np.repeat([0,1,2],300)
ndvi=((X[:,3]-X[:,2])/(X[:,3]+X[:,2]))[:,None]; X=np.hstack([X,ndvi])
idx=rng.permutation(900); tr,te=idx[:600],idx[600:]
m=RandomForestClassifier(200,random_state=0).fit(X[tr],y[tr])
print(classification_report(y[te],m.predict(X[te]),target_names=["water","vegetation","urban"]))

❓

সেল্ফ-চেক · Self check

1. “রাস্টার থেকে পলিগন” — এটি কোন সাব-টপিকের বর্ণনা?

🔗

সংযুক্ত কনসেপ্ট · Connected concepts