CARP-Net stack
сегментация солнечных волокон с Kaggle
2 min readupdated
Набор из 30 обученных моделей для instance segmentation (пообъектной сегментации) солнечных волокон на снимках высокого разрешения. Решение подготовлено автором yorchjais для соревнования Kaggle Solar Filament Instance Segmentation 2026 и объединяет 6 семейств архитектур на базе ConvNeXt-T и MiT-B2. На вход подаётся одноканальное изображение 2048 × 2048, нормализованное по диску Солнца, а на выходе модель формирует карту логитов для выделения отдельных объектов. Пригодится исследователям в области солнечной физики и тем, кто изучает ансамблирование U-Net-архитектур для задач компьютерного зрения.
Ключевые особенности
- Включает 30 фолд-чекпоинтов в формате PyTorch
state_dict, распределённых по 6 семействам архитектур (carp,carpw,mitb2,rmi,cnx,cnxhr). - Использует конфигурации CARP-Net (ConvNeXt-T HiRes U-Net со stride-4 affinity-steered propagation), а также варианты на базе MiT-B2 U-Net и RMI loss.
- Содержит файл
stack.jsonс весами смешивания ансамбля (1/4 и 1/8), настройками TTA (test-time augmentation) и параметрами декодера. - Для каждого фолда приложен
config.jsonс аргументами обучения и валидационными метриками, а также файл контрольных суммSHA256SUMS.
Что можно сделать
- Выделять отдельные солнечные волокна на чёрно-белых астрономических снимках размером 2048 × 2048 пикселей.
- Запускать готовый ансамбль из 30 моделей с TTA и блендингом по весам из
stack.jsonили использовать отдельные семейства чекпоинтов. - Разбирать конфигурацию соревновательного пайплайна для instance segmentation (пообъектной сегментации) в высоком разрешении.
Пример
from huggingface_hub import snapshot_download
import filseg
root = snapshot_download("yorchjais/filament-carp-stack")
model = filseg.stack.load_member(root, "carp", 0)
# На вход подаётся нормализованное ч/б изображение 2048x2048 (filseg.model.normalise)
Подробнее
Метрика на публичном лидерборде Kaggle: PQ 0.40.Содержит 30 файлов
model.pth (6 семейств × 5 фолдов, по 1 фолду исключено при обучении каждого чекпоинта).Для работы требуется репозиторий с кодом
cazaroni/filament-carp (демо в notebooks/demo.ipynb).









Comments