Авторы

Модификация архитектуры сверточной нейронной сети для определения категории земельного участка со спутниковых снимков

Корректная классификация земельных участков по их типам, например, таким как лесные, сельскохозяйственные, урбанизированные, водные объекты и прочие, относится к актуальным задачам дистанционного зондирования Земли и разработки геоинформационных технологий. Точность и надежность результатов такого категорирования имеют первостепенное значение для эффективного использования природных ресурсов, рационального землепользования и мониторинга состояния окружающей среды. В статье представлен подход к решению задачи категорирования земельных участков по спутниковым снимкам путем применения модифицированной стандартной модели сверточной нейронной сети. Основное внимание уделено модификации архитектуры сети с целью повышения точности классификации земельных участков. Авторами предложен подход к обучению и оптимизации сети с целью решения указанной задачи. Подробно рассматриваются этапы подготовки данных, включая предварительную обработку спутниковых изображений, их аннотирование и создание высококачественных обучающих выборок. Представленные подходы к обучению и оптимизации сети включают использование современных техник регуляризации, методов адаптивного обучения и стратегий балансировки классов, что позволяет эффективно обрабатывать как большие объемы данных, так и более ограниченные наборы специфической информации. Для проверки работоспособности подхода и получения значений показателей качества проведены эксперименты по обучению и тестированию модели на различных наборах данных спутниковых изображений. Результаты эксперимента позволяют считать, что точность категорирования, достигаемая на основе созданной модели, отвечает требованиям Федеральной службы государственной регистрации, кадастра и картографии для исследования отдаленных территорий на предмет пригодности земель для их рационального использования, и предлагаемый метод может применяться для решения практических задач. Читать дальше...