Сегментация аэрофотоснимков дронов с SegFormer
Модель для сегментации изображений с дронов, определяет типы объектов на снимках.
О сервисе
Описание модели Эта модель представляет собой fine-tuned версию модели nvidia/mit-b0, обученную для сегментации аэрофотоснимков, полученных с дронов. Она позволяет разделить изображение на различные классы объектов, такие как дороги, здания, растительность и другие. Как обучена модель Модель была обучена с использованием следующих гиперпараметров: Скорость обучения: 5e-05 Размер пакета для обучения: 24 Размер пакета для оценки: 8 Начальное значение для генератора случайных чисел: 42 Оптимизатор: Adam с параметрами betas=(0.9,0.999) и epsilon=1e-08 Тип планировщика скорости обучения: linear Количество эпох: 50 Результаты оценки На оценочном наборе данных модель показала следующие результаты: Loss: 0.8852 Mean Iou: 0.2994 Mean Accuracy: 0.3923 Overall Accuracy: 0.7774 Применение Модель может быть использована для автоматической обработки данных с дронов, например, для: Мониторинга сельскохозяйственных угодий Оценки состояния инфраструктуры Создания карт местности Анализа городской среды Пример использования модели: Список классов Модель определяет следующие классы объектов: unlabeled paved-area dirt grass gravel water rocks pool vegetation roof wall window door fence fence-pole person dog car bicycle tree bald-tree ar-marker obstacle conflicting Ссылки Thalirajesh/Aerial-Drone-Image-Segmentation Ссылки https:// https://huggingface.co/Thalirajesh/Aerial-Drone-Image-Segmentation Источник: https://qubu.ai/models/segmentatsiya-aerofotosnimkov-dronov-s-seg-former License: MIT
