README.md

---
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](https://iuu.xview.us/).

## 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`).

```python
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).