Blue Marble Flood

Семейство из пяти моделей Civimatica для сегментации паводков и поверхностной воды по снимкам Sentinel-2. Размер — от 32 тыс. до 13,5 млн параметров; все модели компактнее 15M и работают в int8 на NPU Qualcomm Dragonwing QCS8275 (Arduino VENTUNO Q).

💪 Ключевые особенности

• 👉 Пять размеров: pico (0.032M), nano (0.19M), tiny (1.26M), small (2.4M) и medium (13.5M).
• 💪 nano с 0.19M параметров даёт 91.9 mIoU на Sen1Floods11 test — на уровне лучшего опубликованного результата среди моделей до 15M.
• 👀 На held-out Bolivia у nano 89.7 mIoU — выше лучшего опубликованного результата (Prithvi-CAFE, 88.9).
• 💸 На Arduino VENTUNO Q: 3.4 мс на тайл 512×512 для nano, int8, все слои на NPU.
• 🥳 Вход — 13 каналов Sentinel-2 L1C; выход — логиты land/water; лицензия Apache-2.0.

👀 Пример

import numpy as np, onnxruntime as ort
sess = ort.InferenceSession('tiny/model_int8.onnx')
# dn: Sentinel-2 L1C, [13, H, W], H и W кратны 16
out = sess.run(None, {'image': prepare(dn)})[0]  # [1, 2, H, W]

Подробнее

91.9 mIoU на Sen1Floods11 test и 89.7 на held-out Bolivia у nano (0.19M).
На Arduino VENTUNO Q — 3.4 мс на тайл 512×512, int8, все слои на NPU.
Вход: 13 каналов Sentinel-2 L1C; отсутствующие каналы заполняются нулями после нормализации.
Лицензия Apache-2.0; в репозитории есть fp32/int8 ONNX, DLC для QCS8275 и веса PyTorch.