Ансамбли моделей.
Автоматическая сегментация спутниковых снимков на базе модифицированной сверточной нейронной сети UNET
С другой стороны, часть классов вовсе не имеют пересечений полигонов, особенно это касается воды (классы 7 и 8). Также вода быстрая и медленная не пересекается между собой. Класс 6 Решение 1: 0.8 149 + Решение 2: 0.8 103 (Intersection) Счёт: 0.8 179. Класс 8 Решение 1: 0.3 890 + Решение 2: 0.5 322 (Intersection) Счёт: 0.6 194. Класс 9 Решение 1: 0.2 113 + Решение 2: 0.2 713 (Union) Счёт: 0.3 254… Читать ещё >
Ансамбли моделей. Автоматическая сегментация спутниковых снимков на базе модифицированной сверточной нейронной сети UNET (реферат, курсовая, диплом, контрольная)
Ансамбли моделей с разной структурой являются мощным методом для увеличения точности разметки. Наиболее очевидным способом делать ансамбли — это использовать HEATMAPS полученные в одной и другой модели. Попиксельно складываем HEATMAPS и делим пополам, тем самым находим арифметическое среднее. Если HEATMAP отсутствуют по той или иной причине, то ансамбли можно делать напрямую на полигонах. Для этого использовались методы UNION и INTERSECTION из модуля shapely. В команде были разные подходы к решению, поэтому по некоторым классам за счёт использования мы получили неплохой прирост точности:
Класс 6 Решение 1: 0.8 149 + Решение 2: 0.8 103 (Intersection) Счёт: 0.8 179. Класс 8 Решение 1: 0.3 890 + Решение 2: 0.5 322 (Intersection) Счёт: 0.6 194. Класс 9 Решение 1: 0.2 113 + Решение 2: 0.2 713 (Union) Счёт: 0.3 254.
Ансамбль в случае наличия трёх различных наборов полигонов для класса можно провести по схеме из формулы:
(2).
По формуле (2) получаем ансамбль, представленный на рис. 11.
Рис. 11. — Ансамбль из трёх наборов полигонов. Чёрным контуром отмечена выбранная часть.
Постобработка
Анализ взаимоотношений между классами на тренировочном наборе показал, что после получения окончательного решения по всем 10 классам, его можно дополнительно улучшить за счёт вычитания полигонов, а также за счёт исключения полигонов с нестандартными (слишком большими или слишком малыми) размерами для данного класса.
Из таблицы 4 видно, что например грузовики (класс 9), чаще всего стоят на дорогах (39% пересечения полигонов). То же самое касается маленьких машин (класс 10), которые можно встретить на асфальтовых и грунтовых дорогах. Деревья (класс 5) часто стоят в полях.
С другой стороны, часть классов вовсе не имеют пересечений полигонов, особенно это касается воды (классы 7 и 8). Также вода быстрая и медленная не пересекается между собой.
Таблица № 4
Пересечение площадей между полигонами классов в процентах
Номер класса. | |||||||||||
; | 0.0216. | 0.0004. | 0.0146. | 1.0940. | 0.1160. | 0.0000. | 0.0000. | 0.0000. | 0.0001. | ||
0.1016. | ; | 0.4616. | 0.2071. | 1.9008. | 21.258. | 0.0204. | 0.0058. | 0.0000. | 0.0000. | ||
0.0019. | 0.4026. | ; | 0.0094. | 0.5990. | 0.0069. | 0.0521. | 0.0000. | 0.1833. | 0.2785. | ||
0.0160. | 0.0486. | 0.0025. | ; | 4.2427. | 1.1998. | 0.0000. | 0.0003. | 0.0102. | 0.0613. | ||
0.3555. | 0.1318. | 0.0476. | 1.2524. | ; | 16.791. | 0.0371. | 0.0114. | 0.0000. | 0.0010. | ||
0.0139. | 0.5441. | 0.0002. | 0.1307. | 6.1976. | ; | 0.0227. | 3.2785. | 0.1424. | 1.8230. | ||
0.0004. | 0.0291. | 0.0853. | 0.0000. | 0.7649. | 0.0227. | ; | 0.0000. | 0.0000. | 0.0000. | ||
0.0014. | 0.0245. | 0.0000. | 0.0066. | 0.6943. | 3.2785. | 0.0000. | ; | 0.0000. | 0.0000. | ||
0.0092. | 0.0000. | 39.787. | 8.2283. | 0.1517. | 0.1424. | 0.0000. | 0.0000. | ; | 0.0000. | ||
0.0340. | 0.0008. | 14.761. | 12.062. | 0.7282. | 1.8230. | 0.0000. | 0.0000. | 0.0000. | ; | ||
В нашем решении мы использовали следующие подходы:
Удаляли слишком большие полигоны для данного класса (классы 8, 9 и 10).
Вычитали из полигонов для машин, предсказанные полигоны для воды Эвристически разделяли типы воды между собой.