Fire Fuel Vegetation Image Segmentation 1.0

🚀 植被圖像分割模型

本模型主要用於植被圖像的二元分割，在醫療、農業、野火監測等多個領域有著廣泛的應用前景，能夠為相關領域的研究和決策提供有力支持。

🚀 快速開始

模型信息 - 火 - 燃料 - 植被 - 圖像分割 - 1.0

• 植被二元分割：可對葉片、灌木或樹木中的特定植被進行紅、綠、藍（RGB）二元分割。
• 醫療應用潛力：該模型最初很可能是為醫療應用而設計的，在醫療領域有一定的應用可能性。
• 精準訓練：最初針對特定物種進行訓練，併為了提高準確性進行了語義分割。
• 模型類型：這是一個 Keras / TensorFlow 的 .h5 監督模型。
• 遷移學習與微調：有機會使用 LoRA 等方法進行遷移學習或進一步微調。
• 數據源：數據源是通過手繪的掩蔽樣本專有的，並且將一些源數據推斷為合成數據。
• 新穎應用：新穎的應用需要特定的植被圖像。
• 其他應用場景：包括植被 2D 面積計算、野火/火災燃料評估、土地覆蓋變化監測、醫療、線路清理、有害雜草檢測、環境評估以及偽裝物體檢測等。

森林火災燃料相關

此為基礎分割植被模型的 LoRA 適配器。

圖為中度至極端甲蟲災害的科羅拉多針葉林火災燃料源。

圖為美國森林服務局（USFS）對該區域的火災嚴重程度評估。

圖為 LoRA 適配的燃料層疊加 USFS 火災嚴重程度的情況。

模型開發者與代碼

• 開發者：Mark Rodrigo
• 關聯代碼：https://github.com/mprodrigo - 即將推出

模型架構

採用改良的 U - Net 架構。

模型輸入輸出概述

• 輸入：256 x 256 x 3
• 輸出：256 x 256 x 1

💻 使用示例

基礎用法

# Keras 加載模型示例
import keras
model = keras.models.load_model('../model/image-segmentation-vegetation-1.0.keras')
model.summary()

# 或者
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()

高級用法

# 可參考 TensorFlow 官方教程進行更多操作
https://www.tensorflow.org/tutorials/keras/save_and_load

📚 詳細文檔

目標植被評估/準確率

蘭德指數（Rand Index）：0.92 - 0.96（受地理緯度和區域植被顏色變化影響）

訓練和驗證數據

• 3840 張 256x256 的 RGB 圖像以及對應的 256x256 二元掩碼圖像。
• 約 1/3 的數據分配給驗證集。
• 按緯度和區域劃分單獨的測試集，目標物種存在區域顏色變化。

訓練超參數

訓練過程中使用了以下超參數：

訓練結果

框架版本

• Keras 3.6.0
• TensorFlow 2.16.2

📄 許可證

本模型採用 CC - BY - NC - SA 4.0 許可證。

🔧 技術細節

本模型為基於 Keras 和 TensorFlow 的監督學習模型，採用改良的 U - Net 架構進行植被圖像的二元分割。訓練數據通過手繪掩蔽樣本獲取，並進行了語義分割以提高準確性。在訓練過程中，使用了多 GPU 分佈式訓練，通過調整學習率、批次大小等超參數，經過多個輪次的訓練，取得了較高的訓練準確率。同時，模型還具有遷移學習和進一步微調的潛力，可應用於多種不同的場景。