ultralytics/xview-yolov3

解決的問題

本專案提供針對 xView 資料集的專用實作，用於在高解析度衛星影像上訓練 YOLOv3 物件偵測模型。它解決了在遙測資料中偵測多種物件的困難，支援 xView 挑戰賽的參與者。

作法

此系統使用 YOLOv3 架構，並實作一套專為衛星影像設計的處理流程：

• 預處理： 使用 sigma 排除法清理資料，移除異常值，並產生 30 個針對衛星影像中特定物件尺寸與長寬比量身打造的 k-means 錨點。
• 訓練： 在從全解析度影像中隨機取樣的 800x800 像素影像區塊上訓練模型。支援從上次儲存的檢查點恢復訓練。
• 增強： 為防止過度擬合並提升模型穩健性，在訓練過程中應用多種影像變換，包括平移、旋轉、剪切、縮放、反射與 HSV 顏色調整。
• 推論： 提供專用偵測腳本，允許使用者將訓練好的權重套用至新的衛星影像，以識別並定位物件的邊界框。

適用對象

本工具專為電腦視覺研究人員、遙測專家以及 xView 挑戰賽參與者設計，旨在協助他們在衛星資料上訓練高效率的物件偵測模型。

主要特色

• 自訂錨點生成： 使用 k-means 優化衛星影像中的邊界框預測。
• 穩健的增強： 實作全面的影像變換套件，提升模型泛化能力。
• 衛星專用流程： 對處理大規模、高解析度遙測資料集進行最佳化。
• 檢查點支援： 可無縫恢復中斷的訓練會話。