NWPU-RESISC45 victim classifiers
набор из 8 классификаторов спутниковых снимков
2 мин чтенияобновлено
Репозиторий содержит восемь готовых моделей для классификации изображений на 45 категорий из датасета NWPU-RESISC45 (снимки дистанционного зондирования Земли). Модели экспортированы из проекта rs_physical_attack и упакованы в формате чекпоинтов MMPretrain (фреймворк для задач компьютерного зрения) вместе с конфигурациями, метаданными классов и метриками на валидации. Внутри собраны разные архитектуры — от классических свёрточных сетей до визуальных трансформеров, что позволяет сравнивать их поведение на одном и том же разбиении данных. Набор пригодится исследователям компьютерного зрения, специалисты по анализу спутниковых снимков и тем, кто тестирует устойчивость моделей к атакам.
Ключевые особенности
- Восемь популярных архитектур в одном месте: ResNet-50, EfficientNet-B0, DenseNet-121, Swin-T, VGG-16, RegNetX-400MF, ConvNeXt-Tiny и ViT-B/16.
- Единое фиксированное разбиение данных (18900 train / 6300 val / 6300 test) в
split_manifest.csvи строгий порядок 45 классов вclasses.txt. - Полная воспроизводимость: для каждой модели приложены
best.pth,model_config.py, параметры обучения и сводный файл метрикregistry.json. - Проверка целостности всех файлов через контрольные суммы
SHA256SUMS.
Что можно сделать
- Проверить устойчивость разных архитектур компьютерного зрения к физическим или состязательным атакам на едином бенчмарке из 45 классов.
- Использовать готовые веса как базовые модели (baseline) для классификации аэрофотоснимков и спутниковых изображений без обучения с нуля.
- Сравнить точность и поведение свёрточных сетей (ResNet-50, ConvNeXt-Tiny) и трансформеров (Swin-T, ViT-B/16) на одинаковом сплите данных.
Пример
from huggingface_hub import snapshot_download
snapshot_download(
repo_id="shiyuejin/resisc45-victims",
local_dir="models/NWPU_RESISC45",
)Подробнее
Формат весов: чекпоинты MMPretrain (не совместимы напрямую с Transformers AutoModel).Референсное окружение: PyTorch 2.4.1, MMPretrain 1.2.0, MMEngine 0.10.7, MMCV 2.0.1.
Детали обучения: ResNet-50 представлен чекпоинтом 7-й эпохи из 30-эпохного дообучения с весов ImageNet.
Ограничения: в репозитории нет изображений датасета и весов VAE.










Комментарии