Vegetation Image Segmentation Wildfire Fuel 1.0

🚀 图像分割模型：植被、火灾燃料与医疗应用

本模型专注于图像分割领域，可用于植被叶片的红、绿、蓝二元分割，同时在医疗、野火监测等多个领域展现出应用潜力。它基于 Keras/TensorFlow 框架，为相关领域的研究和应用提供了有力支持。

🚀 快速开始

本模型可通过以下代码加载使用，以下是 Keras 框架下的示例：

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()

✨ 主要特性

• 多领域应用：适用于植被叶片的红、绿、蓝二元分割，最初可能为医疗应用设计，还可用于植被 2D 面积计算、野火/火灾燃料评估、土地覆盖变化监测、医疗、线路清理、有害杂草检测、环境评估和伪装物体检测等。
• 模型特性：基于 Keras/TensorFlow 的 .h5 监督模型，可使用 LoRA 进行迁移学习或进一步微调。
• 数据处理：数据源通过手绘掩蔽样本获取，部分源数据可推断为合成数据。
• 训练特点：最初针对特定物种训练，进行语义分割以提高准确性。

📦 安装指南

本 README 未提及具体安装步骤，若需使用该模型，可参考相关代码仓库（https://github.com/mprodrigo - coming soon）获取安装信息。

💻 使用示例

基础用法

import keras
model = keras.models.load_model('../model/image-segmentation-vegetation-1.0.keras')
model.summary()

高级用法

使用 LoRA 进行迁移学习或进一步微调，可参考相关 LoRA 技术文档进行操作。

📚 详细文档

模型信息

• 模型名称：Model Information - fire火 - fuel薪 - vegetation植被 - image - segmentation - 1.0
• 模型类型：Keras / TensorFlow .h5 监督模型
• 输入输出：输入为 256x256x3 的图像，输出为 256x256x1 的结果。

应用场景

• 新颖应用：需要特定的植被图像。
• 其他应用：植被 2D 面积计算、野火/火灾燃料评估、土地覆盖变化监测、医疗、线路清理、有害杂草检测、环境评估、伪装物体检测等。

数据相关

评估指标

评估目标植被的 Rand Index 为 0.92 - 0.96（受地理纬度和区域植被颜色变化影响）。

训练相关

训练超参数

训练结果

框架版本

Keras 3.6.0 TensorFlow 2.16.2

🔧 技术细节

本模型基于 Modified U - Net 架构，通过手绘掩蔽样本进行训练，对特定物种的植被图像进行语义分割，以提高准确性。在训练过程中使用了多 GPU 分布式训练，设置了一系列超参数进行优化。

📄 许可证

本模型采用 CC - BY - NC - SA 4.0 许可证。

模型演示

模型示例图

森林火灾燃料相关图

模型开发者

Mark Rodrigo

关联代码

https://github.com/mprodrigo - coming soon