Skip to content
Other

land-cover-ca v2

сегментация береговой линии по снимкам Sentinel-2

2 min readupdated

Модель определяет тип земного покрова для каждого 30-метрового пикселя на летних композитных снимках со спутника Sentinel-2 L2A, разделяя их на шесть классов: лес, пашня, застройка, вода, водно-болотные угодья и прочее. Это файнтюн (дообучение под узкую задачу) геопространственной модели Prithvi-EO-2.0-300M от IBM и NASA с декодером UNet, созданный командой Centauri Research для проекта LakePulse на хакатон NASA Space Apps Challenge 2026. В отличие от стандартных карт MODIS с разрешением 500 метров, модель детализирует 30-метровую прибрежную полосу вокруг озера Симко и впадающих в него ручьёв в Онтарио. Пригодится специалистам по дистанционному зондированию Земли, экологам и исследователям, работающим с TerraTorch.

Ключевые особенности

  • Повышенная точность на редких классах за счёт взвешенной функции потерь: вес обратно пропорционален квадратному корню доли пикселей класса, что заметно улучшило распознавание болот по сравнению с версией без весов.
  • Строгая пространственная валидация: тестовый блок водосбора реки Холланд и прилегающие чипы в радиусе 6,72 км были полностью исключены из обучения, чтобы избежать утечки данных.
  • Компактный формат весов land_cover_ca_v2_fp16.safetensors в половинной точности с готовыми файлами конфигурации terratorch_config.yaml и статистикой нормализации norm_stats.json.
  • Работает строго с шестью спектральными каналами Sentinel-2 L2A (BLUE, GREEN, RED, NIR_NARROW, SWIR_1, SWIR_2), очищенными от облаков.

Что можно сделать

  • Анализировать стоки и землепользование в 30-метровой прибрежной зоне вокруг озера Симко и соседних водосборов южного Онтарио.
  • Воспроизвести эксперимент и сравнить нейросетевую сегментацию с градиентным бустингом на базе прилагаемых контрольных моделей в папке ablations/.
  • Использовать как референсный пайплайн настройки SemanticSegmentationTask в библиотеке TerraTorch 1.2.14 для собственных задач классификации спутниковых снимков.

Пример

Для запуска загрузите конфигурацию terratorch_config.yaml в SemanticSegmentationTask библиотеки TerraTorch с параметром backbone_pretrained: false, затем переведите тензоры из land_cover_ca_v2_fp16.safetensors во float32 и загрузите веса с strict=True. На вход подаётся нормализованный 6-канальный летний композит Sentinel-2 L2A без облаков с разрешением 30 м.

Подробнее Метрики (mean IoU на тестовом блоке): 0.5145 по всей территории и 0.4040 в 30-метровой прибрежной полосе (выше градиентного бустинга с 0.4794 и первой версии модели с 0.4724).
По классам (IoU): вода — 0.9044, пашня — 0.8010, лес — 0.6550, застройка — 0.5727, болота — 0.0846, прочее — 0.0690.
Обучение: 636 обучающих и 30 валидационных чипов (224×224 пикселя) за 2019–2021 годы на Google Colab A100 в bf16.
Ограничения: модель обучена на федеральной карте Канады 2020 года (не на полевых замерах) только для южного Онтарио; на зимних (mIoU 0.0484), облачных (0.2117) и задымлённых снимках качество резко падает.
Discuss Telegram 0

Will it run?

Runs in FP16

Fits without quantisation.

  • FP16weights 0.6 GB · ready files1.2 GB
  • FP8 / INT8recommendedweights 0.3 GB0.8 GB
  • 4-bitweights 0.2 GB0.7 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · FP16 — from RTX 2060

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # anjanid/land-cover-ca
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download anjanid/land-cover-ca --local-dir ~/models/land-cover-ca
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to land-cover-ca
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of Prithvi-EO-2.0-300M (quants, finetunes, LoRAs) will show up under the bell.

Fine-tunes 1All on Hugging Face

About the model

anjanid/land-cover-ca
Author
anjanid
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

00

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments

Other

CoVeR

CoVeR