NISAR Seg-VLM
поиск и AI-интерпретация изменений на радарных снимках
2 min readupdated
Исследовательский прототип от автора EscRq1 для анализа изменений обратного радарного рассеяния между двумя снимками спутниковой миссии NISAR L2 GCOV. Система объединяет детектор изменений на базе ViT-H/14 (Vision Transformer с предобучением методом маскированного автоэнкодера MAE) и мультимодальную языковую модель Qwen3-VL-2B-Instruct с LoRA-адаптером (небольшой надстройкой над базовой моделью). На выходе пользователь получает попиксельную маску изменений, статистику радарного сигнала и текстовое пояснение от нейросети с рекомендациями для дальнейшей проверки. Пригодится исследователям в области дистанционного зондирования Земли и анализа спутниковых SAR-данных.
Ключевые особенности
- Двухэтапный пайплайн: общий энкодер ViT-H/14 с CNN-головой строит карту изменений по поляризациям HH и HV, а линейный классификатор разделяет события на связанные с водой и прочие.
- Интерпретация через VLM: дообученная Qwen3-VL-2B-Instruct анализирует снимки «до» и «после», маску детектора и статистику разницы сигналов (T1 − T0), чтобы объяснить происходящее.
- Локальный веб-интерфейс и CLI: работает через браузер по адресу
127.0.0.1:8000с интерактивным выбором области или запускается в режиме командной строки для пакетного экспорта отчётов. - Единый файл весов: все компоненты — SAR-детектор, классификатор, базовая Qwen и LoRA-адаптер — упакованы в один файл
model.safetensors.
Что можно сделать
- Выявлять изменения в речных коридорах, поймах и бассейнах водоёмов по паре разновременных файлов
.h5(NISAR L2 GCOV). - Автоматически формировать текстовые сводки с расчётом статистики рассеяния для выбранного региона (ROI) без использования браузера через флаги
--roiи--output-dir. - Разносить SAR-детектор и языковую модель на разные видеокарты (
cuda:0иcuda:1) для оптимизации нагрузки при локальном инференсе.
Пример
python -m pip install numpy scipy pillow h5py torchvision transformers safetensors peft
python inference.py --weights ./model.safetensors --sar-device cuda:0 --qwen-device cuda:1
Подробнее
Общий объём параметров: 2.76B (включая Qwen3-VL-2B-Instruct и ViT-H/14).Входные данные: пара перекрывающихся файлов HH/HV GCOV в формате
.h5, которые при обработке приводятся к сетке 20 м и нарезаются на тайлы 224 × 224.Ограничения: исследовательский прототип без подтверждённой точности на независимых сценах; модель может ошибаться в оценке формы, направления или причины изменений, поэтому выводы требуют проверки по исходным данным.










Comments