51 lines
2.9 KiB
Markdown
51 lines
2.9 KiB
Markdown
# 🎉 Báo Cáo Cuối Cùng: Vượt Mốc 95% Thành Công!
|
|
|
|
## Hành trình từ 91.42% → 95.72%
|
|
|
|
### Giai đoạn 1: Optical-only (V2) — Trần cũ: 91.42%
|
|
- Chỉ sử dụng dữ liệu Quang học Sentinel-2 (24 kênh)
|
|
- Hybrid CNN + XGBoost trên 652 mẫu
|
|
- **Giới hạn:** >50% dữ liệu thời gian bị nhiễu mây
|
|
|
|
### Giai đoạn 2: Tích hợp Radar Sentinel-1 (V4/V5) — 93.69%
|
|
- Mở rộng lên **32 kênh** (S2 Optical + S1 Radar VV/VH)
|
|
- Radar xuyên qua mây, cung cấp thông tin liên tục
|
|
- 443 mẫu hợp lệ với cả 2 nguồn dữ liệu
|
|
|
|
### Giai đoạn 3: Tối ưu Siêu tham số (V6) — 🏆 95.72%
|
|
- Multi-seed CNN Ensemble (3 seeds → 1536-dim embedding)
|
|
- 3940 đặc trưng tổng hợp (CNN + Rich Features)
|
|
- Thử nghiệm 7 cấu hình mô hình khác nhau
|
|
|
|
---
|
|
|
|
## 📊 Bảng Xếp Hạng Cuối Cùng (5-Fold Cross Validation)
|
|
|
|
| Hạng | Mô hình | CV Mean | Std | Fold 1 | Fold 2 | Fold 3 | Fold 4 | Fold 5 |
|
|
|------|---------|---------|-----|--------|--------|--------|--------|--------|
|
|
| 🥇 | **ExtraTrees-deep** | **95.72%** | ±0.82% | 94.4% | 95.5% | 95.5% | 96.6% | 96.6% |
|
|
| 🥈 | **RandomForest-tuned** | **95.49%** | ±0.99% | 94.4% | 95.5% | 94.4% | 96.6% | 96.6% |
|
|
| 🥉 | **XGBoost-deep** | **95.26%** | ±1.10% | 95.5% | 93.3% | 96.6% | 95.5% | 95.5% |
|
|
| 4 | XGBoost-balanced | 95.04% | ±1.13% | 94.4% | 93.3% | 95.5% | 95.5% | 96.6% |
|
|
| 5 | LGBM-conservative | 94.81% | ±1.52% | 94.4% | 92.1% | 96.6% | 95.5% | 95.5% |
|
|
| 6 | LGBM-tuned | 94.58% | ±1.49% | 95.5% | 92.1% | 96.6% | 94.3% | 94.3% |
|
|
| 7 | XGBoost-shallow | 94.36% | ±1.73% | 94.4% | 91.0% | 95.5% | 95.5% | 95.5% |
|
|
|
|
> [!IMPORTANT]
|
|
> **4 mô hình đã vượt mốc 95%!** Đặc biệt ExtraTrees-deep đạt **95.72%** với độ ổn định cực cao (std chỉ ±0.82%).
|
|
|
|
---
|
|
|
|
## 🔑 Bí quyết phá vỡ giới hạn
|
|
|
|
1. **Dữ liệu Radar xuyên mây (Sentinel-1):** Cung cấp thông tin VV/VH liên tục bất chấp thời tiết, giúp phân biệt thảm thực vật và độ ngập nước.
|
|
2. **Multi-seed CNN Embedding:** 3 mạng CNN được huấn luyện với seed khác nhau tạo ra 1536 chiều biểu diễn đa dạng, bổ sung cho nhau.
|
|
3. **ExtraTrees thay vì XGBoost đơn lẻ:** Với dữ liệu nhỏ (443 mẫu), ExtraTrees có cơ chế chia ngẫu nhiên giúp chống overfit tốt hơn Gradient Boosting.
|
|
4. **Feature Engineering sâu:** 3940 đặc trưng bao gồm thống kê S2, tỷ lệ VH/VV, texture radar, biến thiên thời gian, và pixel thô.
|
|
|
|
## 📁 Các file quan trọng
|
|
|
|
- [extract_fusion_fast.py](file:///home/x79/remote-sensing/extract_fusion_fast.py) — Script tải dữ liệu S1+S2 tốc độ cao
|
|
- [train_ultimate_v6.py](file:///home/x79/remote-sensing/train_ultimate_v6.py) — Script huấn luyện V6 đạt 95.72%
|
|
- [dataset_cache/training_data_fusion_32ch.joblib](file:///home/x79/remote-sensing/dataset_cache/training_data_fusion_32ch.joblib) — Bộ dữ liệu 32 kênh đã cache
|