Применение нейросетевых алгоритмов для семантической сегментации спутниковых снимков поверхности Земли

Цель работы – разработка нейросетевых алгоритмов, предназначенных для семантической сегментации спутниковых снимков поверхности Земли. Несмотря на обилие существующих алгоритмов сегментации и компьютерного зрения, эта задача все еще требует повышения качества их работы. Хотя данная область науки сег...

Full description

Bibliographic Details
Published in:Вестник Томского государственного университета. Управление, вычислительная техника и информатика № 63. С. 62-71
Main Author: Друки, Алексей Алексеевич
Other Authors: Спицын, Владимир Григорьевич
Format: Article
Language:Russian
Subjects:
Online Access:http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001004341
LEADER 03787nab a2200337 c 4500
001 koha001004341
005 20230814105944.0
007 cr |
008 230707|2023 ru s c rus d
024 7 |a 10.17223/19988605/63/8  |2 doi 
035 |a koha001004341 
040 |a RU-ToGU  |b rus  |c RU-ToGU 
100 1 |a Друки, Алексей Алексеевич 
245 1 0 |a Применение нейросетевых алгоритмов для семантической сегментации спутниковых снимков поверхности Земли  |c А. А. Друки, В. Г. Спицын 
246 1 1 |a Application of neural network algorithms for semantic segmentation of satellite images of the Earth's surface 
336 |a Текст 
337 |a электронный 
504 |a Библиогр.: 22 назв. 
520 3 |a Цель работы – разработка нейросетевых алгоритмов, предназначенных для семантической сегментации спутниковых снимков поверхности Земли. Несмотря на обилие существующих алгоритмов сегментации и компьютерного зрения, эта задача все еще требует повышения качества их работы. Хотя данная область науки сегодня активно развивается, актуальна необходимость повышения качества сегментации спутниковых изображений поверхности Земли. При проведении анализа существующих методов и алгоритмов, решающих задачу семантической сегментации изображений, выявлено, что наиболее подходящими для этого алгоритмами являются глубокие нейронные сети. В процессе выполнения работы разработан ряд архитектур сверточных нейронных сетей класса автоэнкодеры с целью выявления более эффективной архитектуры. Нейронные сети реализованы при использовании библиотеки машинного обучения Keras. В качестве обучающей и тестовой выборок использованы спутниковые снимки ОАЭ, находящиеся в открытом доступе. Реализована модель нейронной сети класса автоэнкодеры. Сегментация выполнялась на шесть классов объектов: дома, дороги, растения, вода, суша, нейтральные объекты. 
653 |a семантическая сегментация 
653 |a обработка изображений 
653 |a компьютерное зрение 
653 |a нейронные сети искусственные 
653 |a спутниковые снимки 
655 4 |a статьи в журналах 
700 1 |a Спицын, Владимир Григорьевич 
773 0 |t Вестник Томского государственного университета. Управление, вычислительная техника и информатика  |d 2023  |g  № 63. С. 62-71  |x 1998-8605  |w 0210-40860 
852 4 |a RU-ToGU 
856 4 |u http://vital.lib.tsu.ru/vital/access/manager/Repository/koha:001004341 
908 |a статья 
999 |c 1004341  |d 1004341