하늘을 활용하다: DroneDeploy와 함께하는 항공 분할 벤치마크
드론 데이터로 장면 이해를 위한 협업형 딥러닝
이 글은 AI 번역본입니다. 오역이 의심되면 댓글로 알려주세요
Created on September 15|Last edited on September 15
Comment
항공 분할 벤치마크
저희는 파트너십을 통해 가장 최신 벤치마크를 공개하게 되어 매우 기쁩니다 DroneDeploy고해상도 항공 영상을 분할하는 머신러닝 모델을 학습시키기 정사모자이크 및 드론에서 촬영한 고도 이미지. 자세한 내용은에서 확인하실 수 있습니다 DroneDeploy 블로그 게시물.
시각 이미지와 고도 이미지를 결합해 건물, 지면, 식생, 물 등 다양한 대상을 식별하세요.
과제
이 프로젝트의 목표는 드론 데이터로부터 장면 이해를 공동으로 발전시키는 것입니다. 드론이 매핑한 지역의 고해상도 사진과 고도 데이터를 바탕으로, 해당 장면에서 다양한 객체와 지형을 얼마나 정확하게 찾아낼 수 있을까요? 현재 학습 데이터에는 6개 클래스(지면, 물, 식생, 차량, 잡동사니, 건물)가 라벨링되어 있으며, 픽셀당 10 cm의 뛰어난 해상도를 제공합니다. From the 벤치마크FastAI 또는 Keras 예제를 따라 데이터에서 초기 베이스라인을 재현하고, 다음과 같은 다양한 개선 방법을 탐색해 보세요: 데이터 증강과 후처리, 하이퍼파라미터 및 아키텍처 튜닝, 고도 신호 통합(현재는 미사용), 그리고 그 밖의 추가 개선.
장기적 영향
항공 분할을 위한 더 빠르고 정확한 모델은 다음을 포함한 여러 분야에서 대규모로 도움이 될 수 있습니다:
- 농업: 작물 모니터링
- 자연 보전: 야생동물 개체수와 생태계 변화 추적
- 건설: 안전 및 진행 상황 모니터링
- 재난 구호: 특히 물리적으로 접근이 어려운 지역에서 초동 대응 요원 지원
Weights & Biases는 윤리적이고 효과적인 머신러닝 모델 개발을 지원하는 도구를 만들고 있습니다. 벤치마크는 우리가 데이터셋을 공유하고 공개 협업을 주최할 수 있는 기회를 제공하여, 의미 있는 적용 사례를 중심으로 투명한 환경을 조성합니다.
우리는 앞으로도 더 많은 협업과 벤치마크를 지원하기 위해 노력하고 있으며, 특히 기후 변화와 사회 공익에 관련된 프로젝트에 중점을 두고 있습니다. 기여하고 싶은 흥미로운 데이터셋이나 베이스라인 모델이 있다면 contact@wandb.com 으로 연락해 주세요.
Add a comment