Este projeto visa realizar a segmentação semântica de imagens de drone com foco em alagamentos, utilizando modelos de aprendizado de máquina para identificar 10 diferentes classes. A segmentação semântica é uma tarefa crucial em visão computacional, pois permite identificar e classificar objetos ou áreas específicas dentro de imagens com alta precisão. Este projeto fornece os scripts necessários para treinar e testar modelos que podem ser aplicados em diversas áreas, como gestão de desastres, monitoramento ambiental e planejamento urbano.
O projeto utiliza um dataset especializado que contém imagens aéreas detalhadamente anotadas para 10 classes relacionadas a alagamentos. Este dataset pode ser acessado através do link abaixo:
Download Dataset
Usado para criar um ambiente isolado e reprodutível para treinamento e teste dos modelos.
A imagem Docker pode ser criada utilizando o comando:
docker build -t seg_biomas_flood .
Habilita o suporte a GPUs dentro dos containers Docker, permitindo treinamento mais rápido e eficiente.
Instruções de instalação:
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | gpg --dearmor -o /usr/share/keyrings/nvidia-toolkit.gpg
curl -fsSL https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.lis t | tee /etc/apt/sources.list.d/nvidia-toolkit.list
sed -i -e "s/^deb/deb \[signed-by=\/usr\/share\/keyrings\/nvidia-toolkit.gpg\]/g" /etc/apt/sources.list.d/nvidia-toolkit.list
apt update
apt -y install nvidia-container-toolkit
systemctl restart docker
Ferramenta de monitoramento de experiências, usada para registrar, visualizar e analisar os resultados de treinamento.
Requer um arquivo .env com credenciais para autenticação via API.
Para construir a imagem Docker, execute o seguinte comando na raiz do projeto: docker build -t seg_biomas_flood .
Para executar um container com suporte a GPU, use o comando:
docker run --gpus all -v /path/local/Models:/workspace/Models -v /path/local/Datasets:/workspace/Datasets -it seg_biomas_flood
Substitua /path/local/Models e /path/local/Datasets pelos caminhos locais onde os modelos e datasets estão armazenados.
Crie um arquivo .env na raiz do projeto com o seguinte formato:
WANDB_API_KEY=<sua_chave_de_api_wandb>
Esse arquivo é necessário para autenticação e registro de experiências no WANDB.
Para garantir que o projeto funcione corretamente, siga todos os passos descritos acima para a configuração do ambiente e instalação das dependências.