/ Модель

Характеристики

Библиотека
pytorch
Опубликована
21 сен 2026

aerial-building-unet

Сегментация изображенийИзображение → mask

U-Net с энкодером ResNet34 для выделения зданий на аэрофотоснимках с разрешением около 1 м на пиксель.

0скачиваний за 30 дней0лайковвеса обновлены21 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

arthdubey/aerial-building-unet — модель сегментации зданий на аэрофотоснимках, обученная автором карточки. Это U-Net с энкодером ResNet34, предварительно обученным на ImageNet; веса опубликованы как state dict PyTorch, для восстановления модели используется segmentation-models-pytorch с одним выходным классом и sigmoid для получения вероятностей маски.

Модель предназначена для выделения зданий на аэрофотоснимках с разрешением около 1 м на пиксель. Она обучена на Massachusetts Buildings: 137 изображений для обучения, 4 для валидации и 10 для тестирования; оценка на тестовых изображениях составила IoU 0,695 и Dice 0,820. Подходит для получения масок зданий на отдельных снимках и последующего картографического анализа.

Результаты ограничены одним регионом и разрешением снимков около 1 м/пиксель; межгородская проверка не проводилась, а обнаружение изменений модель не выполняет. В метаданных лицензия не указана, поэтому условия использования по карточке определить нельзя.

Сценарии применения

  • создание масок зданий на аэрофотоснимках
  • подсчёт и картографирование зданий по снимкам
  • подготовка слоёв зданий для геопространственного анализа

Ограничения

Оценка проведена только на данных одного региона и снимках с разрешением около 1 м/пиксель; переносимость на другие города не проверялась. Модель обрабатывает отдельные изображения и не предназначена для обнаружения изменений.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Aerial building segmentation (U-Net, ResNet34)

U-Net with an ImageNet-pretrained ResNet34 encoder (segmentation-models-pytorch), trained to segment buildings in aerial images at ~1 m/pixel. Weights only (best.pth, state dict); build the model with smp.Unet("resnet34", encoder_weights=None, in_channels=3, classes=1) and apply a sigmoid to the logits.

  • Data: Massachusetts Buildings dataset (137 train / 4 val / 10 test images, 1500x1500).
  • Loss: BCE + Dice, 40 epochs x 400 random 512x512 crops, AdamW, one seed.
  • Test (full images, tiled inference): IoU 0.695, Dice 0.820 (Focal+Dice: 0.690 / 0.817, effectively a tie).
  • Limitations: one region only, no cross-city evaluation; 1 m/pixel imagery; single image, no change detection.

Code, training and failure analysis: https://github.com/ArthDubey1011/aerial-building-segmentation

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch · image-segmentation

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
a9a67de

0 моделей