metadata
license: mit
library_name: pytorch
pipeline_tag: object-detection
tags:
- sar
- sentinel-1
- xview3
- maritime
- vessel-detection
- torchscript
VARUNA Detector — Ensemble Juara-1 xView3 (TorchScript)
Bobot deteksi kapal SAR yang dipakai lapisan T1 VARUNA. Berkas traced_ensemble.jit
adalah hasil trace TorchScript dari ensemble solusi juara-1 kompetisi
xView3.
Asal
- Solusi juara-1 xView3 oleh Eugene Khvedchenya (BloodAxe).
- Repo asli: https://github.com/DIUx-xView/xView3_first_place (lisensi MIT).
- Skor: peringkat 1 public LB (aggregate 0.603) dan holdout LB (0.617).
Arsitektur
- Ensemble 12 model segmentasi multi-head (objectness, vessel, fishing, length).
- Total 320.6M parameter, dibekukan sebagai satu graph TorchScript (
traced_ensemble.jit). - Input: 2 kanal SAR (
vh,vv), keluaran peta skor + regresi panjang.
Cara pakai di pipeline VARUNA
- Tiling scene GRD: ukuran tile 2048 px, stride 1536 px (overlap 512 px).
- Presisi inferensi: fp16.
- Normalisasi input: SigmoidNormalization dengan midpoint -20 dB, temperature 0.18,
diterapkan per kanal
vh/vv. - Ambang keputusan: objectness 0.300, vessel 0.338, fishing 0.350
(konfigurasi
1128_b5_b4_vs2_fliplr_test).
import torch
model = torch.jit.load("traced_ensemble.jit").eval().half().cuda()
with torch.inference_mode():
out = model(tile_fp16) # tile_fp16: [B, 2, 2048, 2048] kanal (vh, vv) ternormalisasi
Integritas
SHA-256 traced_ensemble.jit:
c21d6b4204e2803b56014c9780d8d62190ed81d9c2ec56d0cbf437b439307d38
Lisensi dan atribusi
MIT, mengikuti repo asli. Atribusi: Eugene Khvedchenya (BloodAxe), xView3 first place solution, DIUx-xView. Bobot ini didistribusikan ulang tanpa modifikasi arsitektur; hanya dikemas ulang sebagai TorchScript untuk inferensi produksi VARUNA (Finerium, Datathon 2026).