Files

pikaliov 27eb315903 Update docs: CLAUDE.md, README, segmentation class analysis

- Create CLAUDE.md with project overview, key decisions, structure
- Update README: add UAV_VisLoc dataset, 16-class palette, scripts
- Extend segmentation_class_analysis.md with UAV_VisLoc section:
  quantitative analysis of 2496 images, 5 new classes with detailed
  justification (bare soil, rooftop, sports field, wetland, embankment),
  threshold rationale, and irreducible background explanation

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

2026-04-17 21:27:25 +03:00

2.5 KiB

Raw Blame History

CLAUDE.md

Что это за проект

Пайплайн автоматической генерации 4 вспомогательных модальностей (depth, edges, segmentation, canopy height) из RGB-изображений аэрофотоснимков. Используется для подготовки обучающих данных для NADEZHDA — системы cross-view geolocalization (БПЛА ↔ спутник).

Быстрый старт

# World-UAV (973K images, основной датасет)
python -m src.main

# UAV_VisLoc (81K images)
python scripts/run_uav_visloc.py

# Тесты (143 шт, без GPU)
python -m pytest src/tests/ -v

Ключевые решения

Формат выхода: SafeTensors (zero-copy mmap, ~0.1ms чтение). Не NPY, не PNG, не .pt.
Структура директорий: модальность = папка (depth/, edge/, segm/, chm/, safetensors/), не суффикс файла.
Стадии последовательно — одна модель в GPU за раз (экономия VRAM).
Сегментация: SegEarth-OV3 (SAM 3.1 + open-vocabulary prompts). 11 классов для World-UAV, 16 для UAV_VisLoc.
CHMv2 только FP32 — в FP16 NaN.

Структура кода

src/main.py          — точка входа, оркестрация стадий
src/augmentor/       — inference, I/O, dataset discovery
src/conf/            — gin-configurable dataclasses
src/nn/              — вендорированные DA3 + SegEarth-OV3
scripts/             — run_uav_visloc.py, migrate_layout.py
in/config_files/     — gin-конфиги
docs/                — документация

Конфигурация

Все параметры через gin. CLI override: --gin "PipelineConfig.source = 'db'".

Для нового датасета — создать скрипт в scripts/ (пример: run_uav_visloc.py), не новый gin-файл.

Что НЕ делать

Не добавлять классы сегментации в segmentation.gin для конкретного датасета — классы специфичны для датасета, задавать в скрипте.
Не использовать .pt (torch.save) для хранения тензоров — pickle, медленно.
Не рендерить depth/seg в RGB colormap для обучения — OOD для DINOv3, потеря информации.

2.5 KiB Raw Blame History Unescape Escape