Roofsense

🚀 RoofSense模型卡片

RoofSense是一個用於多模態屋頂材料分類的編碼器 - 解碼器語義分割模型，能有效處理相關圖像分割任務，為屋頂材料分類提供精準的解決方案。

📚 詳細文檔

🔍 模型詳情

模型描述

該模型採用編碼器 - 解碼器架構，將ResNet - 18 - D與DeepLabv3 + 相結合。經過超參數優化後，編碼器模塊增加了抗鋸齒和高效通道注意力模塊。此外，編碼器中的全局平均池化模塊被替換為平均池化和最大池化的均值。並且，解碼器的空洞空間金字塔池化模塊的膨脹率設置為$\left(20, 15, 6\right)$。最後，為解決標註錯誤並改善小區域的預測效果，解碼器的輸出步長設置為16。

• 開發者：Dimitris Mantas，荷蘭代爾夫特理工大學
• 模型類型：全卷積神經網絡
• 許可證：知識共享署名4.0國際許可協議
• 基礎模型：timm/resnet18d.ra2_in1k（遷移學習）

模型來源

• 倉庫：https://github.com/DimitrisMantas/RoofSense
• 資源：https://repository.tudelft.nl/record/uuid:c463e920 - 61e6 - 40c5 - 89e9 - 25354fadf549

📊 評估

🚀 快速開始

使用以下代碼開始使用該模型：

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

💡 建議

⚠️ 重要提示

用戶（直接用戶和下游用戶）應瞭解模型的風險、偏差和侷限性。如需進一步建議，還需更多信息。

📚 引用

BibTeX：

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

APA：

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