YOLOv8n: Обнаружение оборудования на спутниковых снимках

Что умеет эта модель?

Эта модель представляет собой тонко настроенную версию YOLOv8n (nano), обученную на наборе данных дистанционного зондирования NWPU VHR-10 (Very High Resolution) для обнаружения наземного оборудования и транспортных средств на спутниковых снимках.

Цель модели — продемонстрировать возможность использования YOLOv8 для обнаружения различных единиц наземного оборудования с помощью спутниковых снимков, служащую доказательством концепции для коммерческих приложений в сфере конкурентной разведки, мониторинга автопарков и автоматизированного обнаружения оборудования.

Детали модели

• Тип модели: YOLOv8n (nano) - Обнаружение объектов

• Набор данных для обучения: Набор данных дистанционного зондирования NWPU VHR-10

• Размер модели: ~6 МБ (3 млн параметров)

• Входное разрешение: 640x640 пикселей

• Продолжительность обучения: 50 эпох

• Фреймворк: Ultralytics YOLOv8

Модель может обнаруживать 10 классов объектов, обычно встречающихся на спутниковых снимках:

1. airplane - Самолеты на аэродромах и в аэропортах

2. ship - Военно-морские суда и лодки

3. storage_tank - Промышленные резервуары для хранения

4. baseball_diamond - Бейсбольные поля и алмазы

5. tennis_court - Теннисные корты и сооружения

6. basketball_court - Баскетбольные площадки

7. ground_track_field - Легкоатлетические дорожки и поля

8. harbor - Портовые сооружения и гавани

9. bridge - Мосты и эстакады

10. vehicle - Наземные транспортные средства и оборудование

Метрики качества

• mAP@0.5: 98.0% (исключительно)

• mAP@0.5:0.95: 68.2% (хорошо по всем порогам IoU)

• Общая точность (Precision): 94.1%

• Общая полнота (Recall): 96.5%

• Скорость вывода: 9.9 мс на изображение

• F1-показатель для транспортных средств: 79.2%

• Точность для транспортных средств: 87.5%

• Полнота для транспортных средств: 81.5%

• mAP@0.5 для транспортных средств: 88.8%

Классовая производительность (F1-показатели)

Применение

Основные области применения

• Доказательство концепции спутникового обнаружения оборудования

• Конкурентная разведка и анализ рынка

• Мониторинг автопарков и оптимизация логистики

• Управление инвентаризацией инфраструктуры

• Автоматизированная генерация лидов на основе обнаружения оборудования

Коммерческий потенциал

Эта модель демонстрирует, что ИИ может надежно обнаруживать транспортные средства и оборудование на спутниковых снимках, что закладывает основу для специализированных коммерческих приложений, таких как:

• Обнаружение тягачей для логистических компаний

• Мониторинг строительной техники

• Отслеживание и анализ автопарков

• Исследование рынка и конкурентный анализ

Ссылки

bluelabel/satellite-equipment-detection-yolov8n-vhr10