К содержимому
Другое

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()
ПодробнееБазовая 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.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # anil988/EADF-Net-Edge-Official
    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 anil988/EADF-Net-Edge-Official --local-dir ~/models/EADF-Net-Edge-Official
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к EADF-Net-Edge-Official
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии EADF-Net-Edge-Official — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

anil988/EADF-Net-Edge-Official
Автор
anil988
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

MM-PET-AI

MM-PET-AI