Roofsense

🚀 RoofSense模型卡片

RoofSense是一个用于多模态屋顶材料分类的编码器 - 解码器语义分割模型，能有效处理相关图像分割任务，为屋顶材料分类提供精准的解决方案。

📚 详细文档

🔍 模型详情

模型描述

该模型采用编码器 - 解码器架构，将ResNet - 18 - D与DeepLabv3 + 相结合。经过超参数优化后，编码器模块增加了抗锯齿和高效通道注意力模块。此外，编码器中的全局平均池化模块被替换为平均池化和最大池化的均值。并且，解码器的空洞空间金字塔池化模块的膨胀率设置为$\left(20, 15, 6\right)$。最后，为解决标注错误并改善小区域的预测效果，解码器的输出步长设置为16。

• 开发者：Dimitris Mantas，荷兰代尔夫特理工大学
• 模型类型：全卷积神经网络
• 许可证：知识共享署名4.0国际许可协议
• 基础模型：timm/resnet18d.ra2_in1k（迁移学习）

模型来源

• 仓库：https://github.com/DimitrisMantas/RoofSense
• 资源：https://repository.tudelft.nl/record/uuid:c463e920 - 61e6 - 40c5 - 89e9 - 25354fadf549

📊 评估

🚀 快速开始

使用以下代码开始使用该模型：

{{ get_started_code | default("[More Information Needed]", true)}}

💡 建议

⚠️ 重要提示

用户（直接用户和下游用户）应了解模型的风险、偏差和局限性。如需进一步建议，还需更多信息。

📚 引用

BibTeX：

{{ citation_bibtex | default("[More Information Needed]", true)}}

APA：

{{ citation_apa | default("[More Information Needed]", true)}}