EADF-Net-Edge
лёгкая модель сегментации снимков с дронов
2 мин чтенияобновлено
EADF-Net-Edge — это сверхлёгкая модель для семантической сегментации (попиксельного распознавания объектов на изображении) снимков дистанционного зондирования Земли. Она построена на базе архитектуры MobileNetV2, насчитывает всего 7,76 млн параметров и разработана для работы прямо на борту беспилотников (UAV) и встраиваемых edge-устройствах. По сравнению с базовой моделью SGDC-DeepLab новинка на 13,4% компактнее по числу параметров и требует меньше вычислительных операций, хотя и уступает ей по точности на наборе данных LoveDA. Решение подойдёт разработчикам систем компьютерного зрения для БПЛА, которым критичны минимальный вес файла (около 30,8 МБ) и запуск на слабом железе.
Ключевые особенности
- Ультракомпактный размер: всего 7,76 млн параметров и вес чекпоинта около 30,8 МБ, что удобно для встраиваемых систем.
- Сниженная вычислительная нагрузка: 68,4 G FLOPs против 75,7 G у SGDC-DeepLab при использовании той же основы MobileNetV2.
- Распознавание ключевых объектов местности: модель обучена выделять 7 классов, включая здания, водоёмы, леса, сельхозугодья и дороги.
Что можно сделать
- Автоматическое картографирование с БПЛА: развернуть модель на бортовом вычислителе дрона для разметки рельефа и инфраструктуры в реальном времени.
- Мониторинг сельхозугодий и лесов: анализировать снимки с воздуха для оценки площади посевов, лесных массивов и водных объектов.
Пример
import torch
from huggingface_hub import hf_hub_download
from models.eadf_net import EADFNet
ckpt = hf_hub_download(repo_id="anil988/EADF-Net-Edge-Official", filename="best_model.pth")
model = EADFNet(num_classes=7, backbone='mobilenet_v2', pretrained_backbone=False)
model.load_state_dict(torch.load(ckpt, map_location='cpu'))
model.eval()Подробнее
Базовая архитектура: MobileNetV2 (7,76M параметров, 68,4 G FLOPs).Метрики на LoveDA: mIoU 37,03% (у SGDC-DeepLab — 61,20%), Overall Accuracy 58,04% (против 76,97%).
IoU по классам: сельхозугодья — 57,60%, вода — 48,22%, дороги — 40,23%, здания — 38,11%, лес — 30,31%.
Для запуска требуется кастомный модуль
models.eadf_net из репозитория проекта.









Комментарии