floodfusion v1.2
сегментация затоплений по радарным снимкам Sentinel-1
2 min readupdated
Модель от автора teo-clerk определяет границы наводнений по спутниковым снимкам. Она строит карту затопления по данным радара Sentinel-1 (который видит сквозь облака), добавляя оптические снимки Sentinel-2 только там, где небо чистое, а также данные рельефа и сезонную норму за прошлый год. В основе лежит архитектура SAR–optical cross-attention fusion (нейросеть объединяет радарные и оптические данные через механизм перекрёстного внимания), вес одного чекпоинта составляет всего 72,7 МБ. Модель пригодится аналитикам быстрого реагирования на ЧС и исследователям дистанционного зондирования Земли для первичной оценки масштабов бедствия.
Ключевые особенности
- Компактность и запуск на CPU: весит 72,7 МБ на каждый из трёх сидов и не требует GPU для построения карт по заданным координатам и дате.
- Учёт сезонного контекста: сравнивает текущий радарный сигнал с медианным значением с той же орбиты за аналогичный период прошлого года.
- Автоматическая загрузка данных: CLI-инструмент сам подтягивает нужные слои Sentinel-1, Sentinel-2, рельеф Copernicus DEM и карту покрова ESA WorldCover из Microsoft Planetary Computer.
- Откалиброванные вероятности: применяет temperature scaling и отдельный режим калибровки для участков, где оптические снимки недоступны из-за облачности.
Что можно сделать
- Построить карту наводнения: указать прямоугольник координат (bbox) и дату, чтобы получить готовые слои COG, метаданные STAC и полигоны затопления.
- Провести первичный скрининг ЧС: быстро разметить обширные территории после первого пролёта спутника Sentinel-1 перед детальной проверкой аналитиком.
- Сравнить собственные алгоритмы: использовать замороженные веса v1.2.0-freeze в качестве воспроизводимого бейзлайна на датасетах Copernicus EMS.
Пример
git clone [https://github.com/teo-clerk/floodfusion](https://github.com/teo-clerk/floodfusion) && cd floodfusion && uv sync --frozen
uv run --frozen python -m floodfusion.weights fetch --repo teo-clerk/floodfusion \
--revision faed3bb78668cf25052211a7e834f34652a4cdf6 \
--run runs/v12/final/all/all/row21_fusion_context_seasonal/seed42 --dest .
uv run --frozen python -m floodfusion.live map --bbox 11.8 44.15 12.2 44.3 --date 2023-05-17 --out maps/forli
Подробнее
Метрики на 38 активациях Copernicus EMS (2023–2026): Macro IoU 0.417 при пороге τ* = 0.25 (против 0.405 у TerraMind-base + LoRA и 0.373 у физического бейзлайна), AP — 0.598.Обучена на 7 006 фрагментах из датасетов Kuro Siwo и GEOID-Flood (138 наводнений); данные Sen1Floods11 не использовались.
Ограничения: радар C-диапазона не видит воду под плотным пологом леса и между зданиями в городах, а модель не оценивает глубину воды и ущерб.
Лицензия: веса под CC BY 4.0, код под MIT (команды fetch и live до релиза v1.3.0 находятся в ветке feat/v1.3-live).










Comments