InseeFrLab / InseeFrLab/satellite-images-train

Todo list

Open
#22 0 comments 0 reactions 0 assignees View on GitHub
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

Get new issues in your inbox

A short digest of beginner-friendly GitHub issues.