Skip to content
Other

GeoCarto

оцифровка геологических карт в GIS-слои

2 min readupdated

Модель от PerfectWin превращает отсканированные или растровые геологические карты в готовый файл формата GeoPackage, который сразу открывается в QGIS или ArcGIS. Внутри используется архитектура U-Net++ с энкодером EfficientNet-B4 (свёрточная нейросеть для анализа изображений), дополненная алгоритмами сегментации, распознавания текста через EasyOCR и ранжирования на базе градиентного бустинга. В отличие от простого выделения областей по цвету, пайплайн присваивает названия геологическим подразделениям только при высокой уверенности по тексту на карте и таблице легенды, а не гадает по схожести оттенков. Инструмент пригодится геологам, картографам и GIS-специалистам для перевода бумажных и архивных карт в векторный формат.

Ключевые особенности

  • Полный пайплайн на выходе: создаёт полигональный слой геологических подразделений, линейный слой разломов, таблицу легенды и стили оформления для QGIS.
  • Честная атрибуция: записывает код, название, возраст и литологию породы только при уверенности выше 0.8, иначе помечает объект как неопознанный с тремя лучшими вариантами в подсказках.
  • Работа со сложными картами: справляется даже с соседними участками одинакового цвета и штрихованными зонами, где классическая цветовая сегментация ошибается.
  • Обучение на смешанных данных: модель тренировали на датасете geocarto v2.0 по 4 континентам, объединяющем реальные сканы USGS GMNA и реалистичные синтетические карты.

Что можно сделать

  • Векторизовать архивные геопривязанные сканы карт в формат GeoPackage для дальнейшего анализа в QGIS или ArcGIS.
  • Автоматически выделить линии геологических разломов и рассчитать площадь конкретных пород в квадратных километрах.
  • Проверить корректность геометрии и рендеринга полученных слоёв с помощью встроенного скрипта на базе PyQGIS.

Пример

pip install -r requirements.txt
python vectorize.py carte.tif legende.csv sortie.gpkg
ПодробнееМетрики на реальных сканах GMNA: корректно восстановленная площадь — 98.3%, полнота (recall) крупных полигонов — 93.4%, мелких — 74.7%, F1 по разломам — 0.63.
Точность именования: названия присваиваются на 30.0% площади карты с точностью 91.6%.
Ограничения: распознавание текста обучено только на латинице; крупные карты рекомендуется делить на части меньше 6000 × 6000 пикселей.
Валидация на реальных сканах пока проводилась только на картах Северной Америки (USGS GMNA), остальные континенты тестировались на синтетике.
Discuss Telegram 0

Will it run?

Runs in FP16

Fits without quantisation.

  • FP16weights 0.1 GB · ready files0.6 GB
  • FP8 / INT8recommendedweights 0.0 GB0.5 GB
  • 4-bitweights 0.0 GB0.5 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.

    # PerfectWin/geocarto-model
    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 PerfectWin/geocarto-model --local-dir ~/models/geocarto-model
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to geocarto-model
  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 geocarto-model (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

PerfectWin/geocarto-model
Author
PerfectWin
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

Language models

MoR 198M

MoR 198M