Сегментация зданий на изображениях
Выделение зданий на спутниковых и аэрофотоснимках с высокой точностью.
О сервисе
Что умеет эта модель? Данная модель разработана для сегментации экземпляров изображений, специализируясь на точном выделении зданий. Она успешно справляется с задачей разделения отдельных объектов зданий на снимках, что позволяет автоматизировать процесс анализа городской застройки и картографирования. Как обучена эта модель? Модель была использована в рамках соревнования Building Extraction Generalization 2024 (после его завершения). Обучение проводилось на наборе данных в течение 12 эпох. В качестве базовой модели использовалась . При тестировании на тестовом наборе данных были достигнуты следующие результаты: Показатели на уровне пикселей (точность, полнота, F1-мера и аккуратность) составили около 0.85. F1-мера по объектам (целевая метрика) составила около 0.60. Архитектура модели Модель основана на архитектуре Mask2Former для универсальной сегментации. Ключевые параметры: Функция активации: ReLU Архитектура бэкбона: Swin Transformer для классификации изображений. Слои бэкбона: [2, 2, 18, 2] Размерность вложения: 192 Скрытая функция активации: GELU Размерность скрытого слоя: 1536 Эти параметры обеспечивают глубокое извлечение признаков и эффективную обработку изображений для задач сегментации. Ссылки tomascanivari/mask2former-swin-large-coco-instance-finetuned-buildings Ссылки https:// https://huggingface.co/tomascanivari/mask2former-swin-large-coco-instance-finetuned-buildings Источник: https://qubu.ai/models/segmentatsiya-zdanii-na-izobrazheniyakh License: MIT
