sstary/SSRS

何を解決するか

このプロジェクトは、リモートセンシング画像のセマンティックセグメンテーションのためのさまざまなディープラーニングモデルのPyTorch実装を提供します。衛星画像や航空写真におけるピクセルの正確な識別と分類という課題に対処し、土地被覆マッピングや環境モニタリングなどのタスクを支援します。

動作方法

リポジトリは、主に以下の3つの技術的手法に分類されています：

• 単モーダルセグメンテーション：DeepKANSegやRS^3Mamba（視覚状態空間モデル）などの専用アーキテクチャを使用して、単一ソースの画像を処理します。
• 教師なしドメイン適応（UDA）：GANベースのモデル（GLGAN、MBATA_GAN）を実装し、新しい地域やセンサーに対してラベル付きデータがなくても、モデルの汎化能力を高めます。
• マルチモーダル融合：異なるセンサーまたはモーダルデータ（例：MFNet、FTransUNet）を統合することで、クロスモーダル連携によりセグメンテーション精度を向上させます。

対象ユーザー

リモートセンシング、地理空間AI、コンピュータビジョンに取り組む研究者やエンジニア、特にセマンティックセグメンテーションおよびドメイン適応に焦点を当てている人向けです。

特徴

• 多様なモデルズーロ：IEEE TGRS、JSTARS、GRSLなど、最近の研究論文の多くをPyTorchで実装しています。
• 最先端アーキテクチャ：Mambaベースの視覚状態空間モデルやコルモゴロフ・アルノルドネットワーク（KAN）といった最新技術を実装しています。
• ドメイン適応：異なるリモートセンシングデータセット間のデータシフトに対応するための教師なしドメイン適応ツールを提供しています。
• ユーティリティスクリプト：画像の分割・結合、損失曲線の可視化などに役立つヘルパースクリプトを含んでいます。