unet-roads
сегментация дорог на аэроснимках
2 min read
unet-roads — модель сегментации дорог на RGB-аэро- и спутниковых снимках сверхвысокого разрешения от Rafael990. Это базовая модель для fAIr, открытой GeoAI-платформы Humanitarian OpenStreetMap Team: сеть предсказывает вероятность дороги для каждого пикселя чипа 256×256 (около 0,3 м на пиксель). В основе — U-Net из segmentation-models-pytorch с энкодером ResNet34 и одним выходным каналом; доступны PyTorch checkpoint и ONNX.
Ключевые особенности
- Работает с RGB-аэро- и спутниковыми снимками сверхвысокого разрешения; выдаёт вероятность дороги по каждому пикселю.
- Архитектура — U-Net из segmentation-models-pytorch с энкодером ResNet34 и одним выходным каналом.
- Сделана как базовая модель для fAIr: пайплайн склеивает чипы запроса и векторизует маску дороги в полигоны дорожного покрытия.
- Сначала обучена на SpaceNet 3 (Хартум и Париж), затем дообучена на дроновых снимках OpenAerialMap и highways OSM (Мапуту, Фритаун, Дар-эс-Салам).
- Не показывает точную ширину дороги: разметка — осевые линии с буфером 6 м, поэтому поверхность получается примерно такой ширины независимо от реальной.
Пример
Подайте в ONNX-модель RGB-чип 256×256 с пикселями в диапазоне 0–1: на выходе будет карта логитов [1, 1, 256, 256]. По ней можно построить маску дороги, а в пайплайне fAIr — сшить чипы и получить векторные полигоны для проверки и правок в OpenStreetMap.
Подробнее
Бенчмарки на отложенных пространственных блоках с допуском 3 пикселя: Хартум — IoU 0.53, relaxed F1 0.44; Париж — IoU 0.56, relaxed F1 0.20. На дроновых снимках Banepa (Непал) — 69% точности на уровне чипа.Ограничения: пропускает узкие тропы, колеи под кронами и полосы в тени; может принять длинные металлические крыши и границы участков за дороги. Полигоны показывают направление дороги, а не измеренную ширину.
Модель задумана как стартовая точка для локального дообучения; каждое предсказание нужно проверять вручную перед загрузкой в OpenStreetMap.










Comments