# リモートセンシング画像処理

PyTorchベースのFPNアーキテクチャを使用した事前学習済み海岸線分割モデル、リモートセンシング画像の海岸線検出タスクに適しています

ResNet34エンコーダーをベースにしたFPN画像セグメンテーションモデルで、GIDデータセットに最適化されています

nvidia/segformer-b3-finetuned-ade-512-512モデルを海岸線データセットでファインチューニングした画像セグメンテーションモデルで、水域、白波、堆積物などの地物タイプの識別に優れています。

SegFormer-B5アーキテクチャに基づく画像セグメンテーションモデルで、より大きなサイズの画像データセットでファインチューニングされており、背景と分岐領域の区別に優れています

SegFormerはTransformerベースの効率的な意味分割モデルで、b0バージョンはその軽量実装です。

YOLOv8mベースの航空機物体検出モデルで、plane-detectionデータセットで優れた性能を発揮します。

YOLOv8sベースの航空機物体検出モデルで、航空機識別タスクに最適化されています。

nvidia/mit-b0をベースにimadd/water_datasetデータセットでファインチューニングした画像セグメンテーションモデルで、水域セグメンテーションタスク用

GoogleのViTモデルを画像フォルダデータセットでファインチューニングしたバージョンで、画像分類タスクに使用され、精度は90.72%です。

これはEuroSAT衛星画像データセットでファインチューニングされたConvNeXT-tinyモデルで、土地利用分類タスクに使用され、精度は98.05%です。

Swin Transformerアーキテクチャに基づく微調整済み画像分類モデルで、画像フォルダデータセットにおいて97.44%の精度を達成