К содержимому
Другое

DCAP

чекпоинты для сегментации оползней

1 мин чтенияобновлено

Модель реализует подход Detail–Context Adaptive Structured Pruning (структурированная прунинговая адаптация контекста и деталей) для точного определения и сегментации оползней по спутниковым или многоканальным данным. В релиз вошли две ансамблевые сборки: Dense ResUNet и DCAP70, каждая из которых использует усреднение вероятностей по трём сидам (seed). На вход принимаются специфические 21-канальные признаки отражаемости и изменений. Решение предназначено для исследователей и специалистов в области дистанционного зондирования Земли и анализа геологических катастроф.

Ключевые особенности

  • Включает чекпоинты Dense ResUNet и DCAP70 для точного анализа
  • Использует ансамблирование из трёх участников с усреднением предсказанных вероятностей
  • Обрабатывает комплексные 21-канальные входные данные отражаемости и изменений
  • Распространяется под свободной лицензией MIT с полными инструкциями по воспроизведению

Что можно сделать

  • Запустить оценку качества моделей с помощью официальной консольной утилиты проекта
  • Интегрировать чекпоинты в пайплайны обработки данных дистанционного зондирования
  • Провести сравнительный анализ ансамблей Dense ResUNet и DCAP70 на собственных наборах данных
  • Выполнить воспроизведение результатов согласно официальному руководству репозитория

Пример

hf download ghimiredhikura/DCAP --include "*.pt" --include MODEL_NOTICES.txt --local-dir downloads/models
python -m dcap models install --source downloads/models
ПодробнееАрхитектура: Dense ResUNet и DCAP70
Входные данные: 21-канальные признаки отражаемости и изменений
Ансамбли: усреднение вероятностей трёх seed-моделей
Лицензия: MIT
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.

    # ghimiredhikura/DCAP
    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 ghimiredhikura/DCAP --local-dir ~/models/DCAP
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DCAP
  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 DCAP — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

ghimiredhikura/DCAP
Автор
ghimiredhikura
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