ultralytics/xview-yolov3

YOLOv3 training, preprocessing, validation, and inference for object detection in xView satellite imagery and the xView detection challenge.

What it solves

このプロジェクトは、xView データセット（高解像度衛星画像で構成）上で YOLOv3 オブジェクト検出モデルをトレーニングするための専門実装を提供します。航空画像に見られるスケールや多様なオブジェクトのために、リモートセンシングデータでのオブジェクト検出は困難です。このプロジェクトはその課題解決を支援します。

How it works

プロジェクトは YOLOv3 アーキテクチャを使用し、衛星画像向けの特化パイプラインを実装しています。

Preprocessing: アウトライア除去に sigma‑rejection を用いてデータをクリーンアップし、xView データセットのバウンディングボックスサイズとアスペクト比に合わせた 30 個のカスタム k‑means アンカーを生成します。
Training: フル解像度画像からランダムに抽出した 608×608 ピクセルのチップでモデルを学習します。最後に保存されたチェックポイントから再開できる resume 機能を備えています。
Augmentation: 過学習防止とロバスト性向上のため、トレーニング中に回転、平行移動、スケーリング、反射、HSV カラー調整など様々な画像変換を適用します。
Inference: 専用スクリプトにより、ユーザーは新しい衛星画像に対して学習済みモデルを実行し、オブジェクト検出とバウンディングボックス描画が可能です。

Who it’s for

主に xView Challenge の参加者、リモートセンシングや衛星画像解析のためのコンピュータビジョンに取り組む研究者・開発者向けです。

Highlights

Custom Anchor Generation: k‑means を使用して衛星特有のオブジェクト向けにバウンディングボックス予測を最適化します。
Comprehensive Augmentation: 幅広い幾何変換とカラー変換を組み合わせ、モデルの汎化性能を向上させます。
Checkpointing: 中断したセッションからトレーニングを再開できる機能をサポートします。
Ready-to-use Inference: 学習済みウェイトを新しい画像にすぐ適用できるスクリプトを提供します。