ultralytics/xview-yolov3

해결하는 문제

이 프로젝트는 고해상도 위성 이미지로 구성된 xView 데이터셋에서 YOLOv3 객체 탐지 모델을 훈련하기 위한 전용 구현을 제공합니다. 원격 탐사 데이터에서 다양한 객체를 탐지하는 어려움을 해결하며, xView 챌린지 참가자들에게 지원을 제공합니다.

작동 방식

이 시스템은 YOLOv3 아키텍처를 사용하고 위성 이미지에 특화된 파이프라인을 구현합니다.

• 전처리: 시그마 거부를 사용하여 데이터를 정제하고 이상치를 제거하며, 위성 이미지에서 발견되는 특정 객체 크기와 종횡비에 맞게 30개의 맞춤형 k-means 앵커를 생성합니다.
• 훈련: 전체 해상도 이미지에서 무작위로 샘플링된 800x800 픽셀 칩에서 모델을 훈련합니다. 마지막으로 저장된 체크포인트에서 훈련을 재개할 수 있는 기능이 포함되어 있습니다.
• 증강: 과적합을 방지하고 모델의 강건성을 높이기 위해 훈련 중에 이동, 회전, 전단, 스케일링, 반사, HSV 색상 조정 등의 이미지 변환을 적용합니다.
• 추론: 전용 탐지 스크립트를 통해 사용자는 학습된 가중치를 새로운 위성 이미지에 적용하여 경계 상자로 객체를 식별하고 위치를 확인할 수 있습니다.

대상 사용자

컴퓨터 비전 연구자, 원격 탐사 전문가, xView 챌린지 참가자 중 위성 데이터에서 고성능 객체 탐지 모델을 훈련하고자 하는 분들.

주요 특징

• 맞춤형 앵커 생성: k-means를 사용하여 위성 이미지에 최적화된 경계 상자 예측을 수행합니다.
• 강력한 증강 기능: 모델의 일반화 성능을 향상시키기 위한 포괄적인 이미지 변환 세트를 구현합니다.
• 위성 이미지 전용 파이프라인: 대규모 고해상도 원격 탐사 데이터셋을 처리하도록 최적화되어 있습니다.
• 체크포인트 지원: 중단된 훈련 세션을 원활하게 재개할 수 있습니다.