InseeFrLab / InseeFrLab/satellite-images-train
Todo list
- Dominant language
- Python
- Stars
- 0
- Forks
- 0
- PR merge metrics
- No merged PRs in 30d
Description
**Preprocessing** :
- [ ] Améliorer le preprocessing sur les nuages (regarder les seuils s'ils sont bons ou pas)
- [ ] Utiliser Open Buildings pour labeliser les données plutôt que la BDTopo
**Train** :
- [ ] Rajouter des filtres avant l'entrainement (proportion d'images sans habitation gardée)
- [ ] Entrainer un bon modèle @tomseimandi (B05 Segformer)
- [ ] Tester le modèle de l'IGN
**Evaluation** :
- [ ] Créer un repo avec une API qui récupe le modèle sur MLflow (satellite-images-inference)
- [ ] Faire une fonction que prends une image test et renvoie la prédiction du modèle.
- [ ] Faire des fonctions qui calculent des métriques plus fines sur les images de test (dont métrique pour le RP)
- [ ] Comparer les prédictions et les masques BDTOPO
- [ ]
Contributor guide
No contributing guide indexed for this repository
Research direction
Start by breaking the checklist into separate preprocessing, training, and evaluation tasks. Review the Open Buildings and BDTopo labeling steps, the Segformer and IGN model evaluation, and the MLflow inference API requirements. Done should include defined preprocessing thresholds, trained or tested models, image predictions, finer metrics, and prediction-mask comparisons.
Written by the indexing model from the issue text.
Assessment
- Tech stack
- python
- Domain
- data, machine-learning
- Issue type
- Feature
- Difficulty
- 5/5
- Estimated time
- Over a week
- Activity status
- Stale
- Clarity
- Needs clarification
- Newbie friendliness
- 15/100