sstary/SSRS

해결하는 문제

이 프로젝트는 리모트 센싱 이미지의 세그멘테이션을 위한 다양한 딥러닝 모델의 PyTorch 구현을 제공합니다. 위성 또는 항공 이미지에서 픽셀을 정확하게 식별하고 분류하는 문제를 해결하며, 토지 피복 지도 작성 및 환경 모니터링과 같은 작업을 지원합니다.

작동 방식

이 리포지토리는 주로 세 가지 기술적 접근 방식으로 구성되어 있습니다:

• 단일 모달 세그멘테이션: DeepKANSeg 및 RS^3Mamba(시각적 상태 공간 모델)와 같은 전용 아키텍처를 사용하여 단일 소스 이미지를 처리합니다.
• 비지도 도메인 적응 (UDA): GLGAN, MBATA_GAN과 같은 GAN 기반 모델을 구현하여, 새로운 지역이나 센서에 대해 레이블 데이터가 없어도 모델의 일반화 능력을 높입니다.
• 다중 모달 융합: MFNet, FTransUNet과 같이 다양한 센서나 모달 데이터를 통합하여 크로스모달 통합을 통해 세그멘테이션 정확도를 향상시킵니다.

대상 사용자

리모트 센싱, 지리공간 AI, 컴퓨터 비전 분야에서 일하는 연구자 및 엔지니어, 특히 세그멘테이션 및 도메인 적응에 집중하는 사람들에게 적합합니다.

주요 특징

• 다양한 모델 라이브러리: IEEE TGRS, JSTARS, GRSL 등 최근의 연구 논문들을 PyTorch로 구현한 다양한 모델이 포함되어 있습니다.
• 최신 기술 아키텍처: Mamba 기반 시각적 상태 공간 모델과 콜모고로프-아르놀드 네트워크(KAN)와 같은 최첨단 기술을 구현했습니다.
• 도메인 적응 기능: 서로 다른 리모트 센싱 데이터셋 간의 데이터 분포 변화를 다룰 수 있는 비지도 도메인 적응 도구를 제공합니다.
• 유용한 스크립트: 이미지 분할, 병합, 손실 곡선 시각화를 위한 보조 스크립트가 포함되어 있습니다.