Segformer B1 Nlver Finetuned 1024 1024

🚀 NL-aerial segmentation

このモデルは、全41,000平方キロメートルの航空写真データからランダムに抽出したサンプルを使用して微調整されたSegformerセグメンテーションモデルです。航空写真データはpdok aerial dataを参照し、BGTはpdok BGT dataを参照してください。具体的には、解像度8cm/ピクセルの1024x1024の航空写真を入力として、水、建物、道路/舗装、植生を予測します。このモデルはNL-veranderdetectieプロジェクトの一部で、概要はオランダ語で提供されています。モデルはこのコードベースを使用してトレーニングされており、詳細はリポジトリを参照してください。

✨ 主な機能

このモデルは、航空画像に基づいてオランダの水路のセグメンテーションマップを作成するために使用されます。このセグメンテーションマップは、オランダ政府が管理する全国地図であるBGTを最新化するために使用されます。

📚 ドキュメント

モデルの詳細

通常のSegformerで、分類ヘッドを5クラスに調整しています。

モデルの説明

• 開発者: Het Waterschapshuisがオランダの水利委員会と共同開発 [詳細情報が必要]
• モデルの種類: [Segformerセマンティックセグメンテーションモデル]
• ライセンス: [MIT]
• 微調整元のモデル: [nvidia/segformer-b1-finetuned-cityscapes-1024-1024]

モデルのソース

• リポジトリ: https://gitlab.com/hetwaterschapshuis/kenniscentrum/tooling/nlveranderdetectie/

トレーニングのハイパーパラメータ

トレーニング設定の詳細は、nlveranderdetectieリポジトリを参照してください。https://gitlab.com/hetwaterschapshuis/kenniscentrum/tooling/nlveranderdetectie/ 、特にrun/configsディレクトリ内のyaml設定ファイルを参照してください。

ハードウェア

このモデルは、単一のNVIDIA 3090 GPUで約2日間、またはバッチサイズ8で約126,000回の順伝播を行ってトレーニングされました。

🔧 技術詳細

このモデルは、通常のSegformerアーキテクチャをベースに、分類ヘッドを5クラスに調整しています。入力として解像度8cm/ピクセルの1024x1024の航空写真を受け取り、水、建物、道路/舗装、植生のセグメンテーションを予測します。トレーニングには、全41,000平方キロメートルの航空写真データからランダムに抽出したサンプルとBGTデータが使用されました。モデルは単一のNVIDIA 3090 GPUで約2日間、またはバッチサイズ8で約126,000回の順伝播を行ってトレーニングされました。

📄 ライセンス

このモデルはMITライセンスの下で提供されています。

モデルカードの作成者

モデルカードはJ. Gerbscheidによって作成されました。メール: j.gerbscheid@hetwaterschapshuis.nl

モデルカードの連絡先

モデルはJ. Gerbscheidによってトレーニングされました。メール: j.gerbscheid@hetwaterschapshuis.nl