Downloads · 30 days
0
corelativ/segara-sar
segara-sar is a object detection model from corelativ. Use it when you need objects located in an image. The card lists the license as cc-by-4.0.
Detektor anchor-free (CenterNet, encoder efficientnetb0, stride keluaran 2) untuk citra Sentinel-1 GRD dual-pol 10 m/piksel. Dilatih untuk SEGARA-SAR, sistem pendukung keputusan pengawasan perikanan.
Downloads · 30 days
0
Access
Public
Updated Aug 10, 2026
Repo size
48 MB
Likes
0
Public
Click a slice to open those files.
.pt48 MB · 100%
From the Hugging Face model README
Detektor anchor-free (CenterNet, encoder efficientnet_b0, stride keluaran 2) untuk citra Sentinel-1 GRD dual-pol 10 m/piksel. Dilatih untuk SEGARA-SAR, sistem pendukung keputusan pengawasan perikanan.
segaranet_gfw.pt dilatih pada deteksi kapal SAR Global Fishing Watch:
Paolo, F.S., Kroodsma, D., Raynor, J. et al. Satellite mapping reveals extensive industrial activity at sea. Nature 625, 85-91 (2024). Data: Global Fishing Watch, CC BY 4.0.
CC BY 4.0 mensyaratkan atribusi pada karya turunan. Bobot ini karya turunan, sehingga atribusi di atas ikut pada setiap pemakaian ulangnya.
| Berkas | Data latih | Kepala tersupervisi | upsample |
|---|---|---|---|
segaranet_gfw.pt | 35 scene, 3,289 label GFW | heatmap, offset, length, is_fishing | 1.0 |
segaranet_ssdd.pt | SSDD (dataset proksi) | heatmap, offset | 2.0 |
Jangan setel
SEGARA_UPSAMPLESkala inferensi melekat pada bobot dan dibaca dari checkpoint. Memakai faktor 2 pada
segaranet_gfw.ptmenghasilkan nol deteksi — tanpa galat, tanpa peringatan, proses tetap berstatus sukses. Kegagalan diam yang sempurna, dan kami menemukannya hanya karena membaca log.
Kepala is_vessel tidak pernah tersupervisi pada dataset mana pun yang kami
pakai. Keluarannya selalu dilaporkan null, tidak pernah dibulatkan menjadi "ya".
9 scene validasi ditahan dari pelatihan; label GFW >= 25 m.
| Detektor | Presisi | Recall | F1 | Recall kapal gelap | Alarm palsu/jendela |
|---|---|---|---|---|---|
| SegaraNet (SSDD) | 52.9% | 69.8% | 0.602 | 62.5% | 16.7 |
| SegaraNet (SSDD->GFW) | 45.8% | 77.2% | 0.575 | 69.3% | 24.6 |
| CA-CFAR (baseline) | 26.6% | 98.5% | 0.419 | 98.3% | 73.0 |
Bobot GFW menukar presisi dengan recall, dan itu disengaja: kapal gelap yang terlewat tidak dapat dipulihkan di tahap mana pun sesudahnya, sedangkan alarm palsu disaring verifikasi manusia yang memang diwajibkan sistem.
Kebenaran dasar adalah deteksi Global Fishing Watch, bukan kebenaran mutlak: GFW melaporkan laju deteksi >70% pada kapal 25 m dan >90% pada >=50 m. Label dibatasi pada >=25 m. Prediksi TIDAK disaring menurut panjang, sehingga kapal nyata yang terlalu kecil untuk dilihat GFW dibebankan kepada detektor sebagai positif palsu: presisi yang dilaporkan adalah BATAS BAWAH, bukan nilai sebenarnya. Menyaringnya menurut panjang prediksi akan memakai keluaran model untuk memaafkan galat model itu sendiri, dan CA-CFAR tidak punya kepala panjang sehingga perbandingan akan timpang. Citra 2017-2021 (era S1A/S1B); operasi 2026 memakai S1C/S1D.
Presisi yang dilaporkan adalah batas bawah. Prediksi tidak disaring menurut panjang, sehingga kapal nyata yang terlalu kecil untuk terlihat GFW dibebankan kepada detektor sebagai positif palsu.
Keluaran model ini adalah prioritas inspeksi, bukan alat bukti hukum.
Co_Author : Claude Opus 5
make weights # mengunduh kedua bobot ke data/checkpoints/
Kode, evaluasi, dan makalah: https://github.com/ardrasatriyo/segara-sar