Sentinel-1 LULC U-Net

Финальная модель проекта Monthly Land Cover from Sentinel-1 Radar от YashAnnapure. Это U-Net с энкодером ResNet-50, который по 4-канальному радарному входу размечает каждый пиксель 10-метровой сетки на 7 классов земного покрова. Обучена с нуля на 103 сайтах, веса — PyTorch state_dict для segmentation_models_pytorch.Unet.

🔥 Ключевые особенности

• 👀 7 классов: water, trees, low vegetation, flooded vegetation, crops, built, bare.
• 🔥 Вход 4 × H × W: VV и VH месяца плюс медианы VV/VH за год.
• 💪 U-Net + ResNet-50, обучение с нуля; два seed-чекпоинта.
• 💸 Для запуска есть prototype.py: тянет радар из Google Earth Engine и усредняет вероятности двух seed.
• 🤫 Метки Dynamic World; оценка — согласие с ними, а не ground truth.

👉 Пример

import segmentation_models_pytorch as smp
import torch

model = smp.Unet("resnet50", encoder_weights=None, in_channels=4, classes=7)
model.load_state_dict(torch.load("hybrid_r50_ctx_agree_final.pt", map_location="cpu"))
model.eval()

Подробнее

mIoU 0.481 на 14 holdout-сайтах; тропики — 0.366, Европа и Америки — 0.493.
Метки — Dynamic World, поэтому оценка — согласие с моделью, а не с ground truth.
Плохо даются flooded vegetation (IoU 0.070) и bare (0.238); нет классов снега и льда.
Лицензия не указана: веса открыты для проверки курсового проекта, перед использованием нужно спросить автора.