Lunar crater detector
детектор кратеров на лунных снимках
2 мин чтенияобновлено
Модель представляет собой специализированный детектор объектов на базе архитектуры YOLO11s, обученный находить лунные кратеры диаметром от 2 до 30 километров. В основе лежат реальные тайлы глобальной мозаики LRO WAC (Lunar Reconnaissance Orbiter Wide-Angle Camera) с разрешением 100 метров на пиксель и каталог Robbins 2018. Инструмент автоматически определяет координаты и уверенность для каждого обнаруженного кратера на орбитальных снимках Луны.
Ключевые особенности
- Обучение на реальных данных: использованы тайлы LRO WAC и разметка из авторитетной базы данных лунных кратеров Robbins 2018.
- Хорошие метрики: на тестовой выборке из неосвещенных ранее диапазонов долгот модель показала mAP50 на уровне 0.788.
- Ограничение по регионам: обучена для широт до 45 градусов и ортографических орбитальных снимков.
Что можно сделать
- Анализ орбитальных снимков: находить и размечать кратеры на новых тайлах лунной поверхности в разрешении 640 пикселей.
- Автоматизация планетологических задач: использовать модель для обработки больших массивов космических изображений и каталогизации ударных структур.
Пример
from huggingface_hub import hf_hub_download
from ultralytics import YOLO
model = YOLO(hf_hub_download("mvdelibas/ay-krater-lro-wac-yolo11s-v1", "ay_krater_yolo11s.pt"))
result = model.predict("moon_tile.jpg", imgsz=640, conf=0.25)[0]
print(result.boxes.xyxy, result.boxes.conf)Подробнее
Метрики (тест): mAP50 = 0.788, mAP50-95 = 0.531, Precision = 0.731, Recall = 0.697.Ограничения: кратеры меньше 2 км не размечены в каталоге (могут ложно определяться как False Positives), модель не работает с полярными областями, марсианскими снимками и перспективой марсоходов.
Датасет: около 3 000 тайлов (121 тысяча боксов), 60 эпох обучения.










Комментарии