Fire Fuel Vegetation Image Segmentation 1.0

🚀 画像セグメンテーションモデル

このモデルは、特定の植生の画像セグメンテーションを行うためのもので、医療や森林火災、農業など様々な分野での応用が期待されます。

✨ 主な機能

• 葉、低木、樹木などの特定の植生のRGBバイナリセグメンテーションを行います。
• 元々は医療用途を想定して設計されており、医療分野での応用が期待できます。
• 特定の種に対して訓練されており、精度向上のためにセマンティックセグメンテーションが行われています。
• Keras/TensorFlowの.h5形式の教師付きモデルです。
• LoRAなどを用いた転移学習やさらなる微調整が可能です。
• データソースは手描きのマスクサンプルによる独自のもので、一部の源データを合成データに変換しています。
• 特定の植生画像を必要とする新しい応用や、植生の2D面積計算、野火や火災燃料の評価、土地被覆変化の分析、医療、線路のクリアリング、有害雑草の検出、環境評価、カモフラージュ物体の検出など、様々な分野での応用が可能です。

森林火災燃料 ベースのセグメンテーション植生モデルのLoRAアダプターです。

例 - 現在は利用できません。 中程度から極度の甲虫被害。 コロラド州の針葉樹林の燃料源。

米国林務局の地域の火災の深刻度。

LoRAアダプターによる燃料層を米国林務局の火災の深刻度に重ねたもの。

📚 詳細ドキュメント

モデル開発者

Mark Rodrigo

関連コード

https://github.com/mprodrigo - 近日公開予定

モデルアーキテクチャ

Modified U-Net

モデルの入出力概要

• 入力: 256, 256, 3
• 出力: 256, 256, 1

評価 / 対象植生の精度

Rand Index: .92 - .96 (地理的な緯度と地域の植生の色の変化による)

訓練と検証データ

• 3840枚の256x256 RGB画像と対応する256x256バイナリマスク画像
• 約1/3を検証に割り当て
• 緯度と地域ごとに別々のテストセットを用意。対象種は地域によって色が異なる。

訓練ハイパーパラメータ

訓練中に以下のハイパーパラメータが使用されました:

• learning_rate: 1e-04
• train_batch_size: 8
• eval_batch_size: 3
• distributed_type: multi-GPU
• num_devices: 2
• batch steps: 60
• eval steps: 9
• optimizer: Adam
• num_epochs: 8

訓練結果

フレームワークバージョン

Keras 3.6.0 Tensorflow 2.16.2

💻 使用例

基本的な使用法

Keras

import keras
model = keras.models.load_model('../model/image-segmentation-vegetation-1.0.keras')
model.summary()

または

import keras
loaded_model = keras.models.load_model('/home/phantom/Projects/agverde/data/product/Agverde/z1/model/image-segmentation-vegetation-1.0.h5')
loaded_model.summary()

TensorFlow https://www.tensorflow.org/tutorials/keras/save_and_load

🔧 技術詳細

モデル情報 - 火災 - 燃料 - 植生 - 画像セグメンテーション - 1.0

• 葉、低木、樹木などの特定の植生の赤、緑、青のバイナリセグメンテーション。
• このモデルは元々医療用途を想定して設計されている可能性が高い。
• 特定の種に対して最初に訓練され、精度向上のためにセマンティックセグメンテーションが行われている。
• Keras / TensorFlowの.h5形式の教師付きモデル。
• LoRAなどを用いた転移学習やさらなる微調整の機会がある。
• データソースは手描きのマスクサンプルによる独自のもので、一部の源データを合成データに推論している。
• 新しい応用には特定の植生画像が必要。
• 他の応用として、植生の2D面積計算、野火や火災燃料の評価、土地被覆変化の分析、医療、線路のクリアリング、有害雑草の検出、環境評価、カモフラージュ物体の検出などがある。

📄 ライセンス

cc-by-nc-sa-4.0