Roofsense

🚀 RoofSense

マルチモーダル屋根材料分類のためのエンコーダ - デコーダ型のセマンティックセグメンテーションモデルです。

📚 ドキュメント

モデルの詳細

モデルの説明

このモデルはエンコーダ - デコーダアーキテクチャを採用しており、ResNet - 18 - D と DeepLabv3+ を組み合わせています。ハイパーパラメータの最適化の後、エンコーダブロックにはアンチエイリアシングと効率的なチャネルアテンションモジュールが追加されました。また、エンコーダ内のグローバル平均プーリングブロックは平均と最大プーリングの平均に置き換えられました。さらに、デコーダのアトラス空間ピラミッドプーリングブロックの膨張率は $\left(20, 15, 6\right)$ に設定されています。最後に、ラベリングエラーを解消し、小さな領域での予測を改善するために、デコーダの出力ストライドは 16 に設定されています。

• 開発者: Dimitris Mantas, Delft University of Technology, The Netherlands
• モデルタイプ: 全畳み込みニューラルネットワーク
• ライセンス: Creative Commons Attribution 4.0 International
• ベースモデル: timm/resnet18d.ra2_in1k (転移学習)

モデルのソース

• リポジトリ: https://github.com/DimitrisMantas/RoofSense
• リソース: https://repository.tudelft.nl/record/uuid:c463e920-61e6-40c5-89e9-25354fadf549

モデルの使用方法

直接使用

{{ direct_use | default("[More Information Needed]", true)}}

下流の使用 [オプション]

{{ downstream_use | default("[More Information Needed]", true)}}

想定外の使用

{{ out_of_scope_use | default("[More Information Needed]", true)}}

バイアス、リスク、制限事項

{{ bias_risks_limitations | default("[More Information Needed]", true)}}

推奨事項

{{ bias_recommendations | default("Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.", true)}}

モデルの使い始め方

以下のコードを使用して、モデルを使い始めましょう。 {{ get_started_code | default("[More Information Needed]", true)}}

トレーニングの詳細

トレーニングデータ

{{ training_data | default("[More Information Needed]", true)}}

トレーニング手順

前処理 [オプション]

{{ preprocessing | default("[More Information Needed]", true)}}

トレーニングハイパーパラメータ

• トレーニング方式: {{ training_regime | default("[More Information Needed]", true)}}

速度、サイズ、時間 [オプション]

{{ speeds_sizes_times | default("[More Information Needed]", true)}}

評価

テストデータ、要因、メトリクス

テストデータ

{{ testing_data | default("[More Information Needed]", true)}}

要因

{{ testing_factors | default("[More Information Needed]", true)}}

メトリクス

{{ testing_metrics | default("[More Information Needed]", true)}}

結果

{{ results | default("[More Information Needed]", true)}}

概要

{{ results_summary | default("", true) }}

モデルの検証 [オプション]

{{ model_examination | default("[More Information Needed]", true)}}

環境への影響

炭素排出量は、Lacoste et al. (2019) で提示された Machine Learning Impact calculator を使用して推定できます。

• ハードウェアタイプ: {{ hardware_type | default("[More Information Needed]", true)}}
• 使用時間: {{ hours_used | default("[More Information Needed]", true)}}
• クラウドプロバイダー: {{ cloud_provider | default("[More Information Needed]", true)}}
• コンピュートリージョン: {{ cloud_region | default("[More Information Needed]", true)}}
• 排出された炭素量: {{ co2_emitted | default("[More Information Needed]", true)}}

技術仕様 [オプション]

モデルアーキテクチャと目的

{{ model_specs | default("[More Information Needed]", true)}}

コンピュートインフラストラクチャ

ハードウェア

{{ hardware_requirements | default("[More Information Needed]", true)}}

ソフトウェア

{{ software | default("[More Information Needed]", true)}}

引用 [オプション]

BibTeX

{{ citation_bibtex | default("[More Information Needed]", true)}}

APA

{{ citation_apa | default("[More Information Needed]", true)}}

用語集 [オプション]

{{ glossary | default("[More Information Needed]", true)}}

詳細情報 [オプション]

{{ more_information | default("[More Information Needed]", true)}}

モデルカード作成者 [オプション]

{{ model_card_authors | default("[More Information Needed]", true)}}

モデルカードの問い合わせ先

{{ model_card_contact | default("[More Information Needed]", true)}}

モデル情報表