ultralytics/xview-yolov3

何を解決するか

このプロジェクトは、高解像度の衛星画像からなるxViewデータセット上でYOLOv3オブジェクト検出モデルを訓練するための専用実装を提供します。リモートセンシングデータにおける多様なオブジェクトの検出の難しさに対処し、xViewチャレンジの参加者を支援します。

動作方法

このシステムはYOLOv3アーキテクチャを使用し、衛星画像に特化したパイプラインを実装しています。

• 前処理: シグマリジェクションを使用してデータをクリーニングし、外れ値を除去。衛星画像に見られるオブジェクトのサイズとアスペクト比に特化した30個のカスタムk-meansアンカーを生成。
• 訓練: 全解像度画像からランダムにサンプリングされた800x800ピクセルのチップ上でモデルを訓練。最後に保存されたチェックポイントから訓練を再開する機能を備えています。
• 増強: 過学習を防ぎ、モデルの堅牢性を向上させるために、トレーニング中に平行移動、回転、せん断、スケーリング、反転、HSV色調整などの画像変換を適用。
• 推論: 専用の検出スクリプトにより、学習済み重みを新しい衛星画像に適用し、バウンディングボックスでオブジェクトを識別・位置特定できます。

対象ユーザー

コンピュータビジョン研究者、リモートセンシング専門家、xViewチャレンジ参加者で、衛星データ上で高性能なオブジェクト検出モデルを訓練したい方。

特徴

• カスタムアンカー生成: k-meansを用いて衛星画像に最適化されたバウンディングボックス予測を実現。
• 堅牢な増強: モデルの汎化性能を向上させる包括的な画像変換のセットを実装。
• 衛星画像専用パイプライン: 大規模かつ高解像度のリモートセンシングデータセットを処理するように最適化。
• チェックポイント対応: 中断されたトレーニングセッションをスムーズに再開可能。