Визначення ефективності використання методів глибокого навчання для виявлення полів технічних культур за допомогою аналізу супутникових зображень

Автор(и)

  • Володимир Бриксін Український державний університет залізничного транспорту, Україна https://orcid.org/0000-0002-8036-8811
  • Андрій Зарицький Український державний університет залізничного транспорту, Україна

DOI:

https://doi.org/10.18664/ikszt.v30i2.336439

Ключові слова:

комп'ютерний зір, розпізнавання зображень, згорткові нейронні мережі (CNN), сегментація зображень, трансферне навчання

Анотація

У статті описано дослідження методів комп'ютерного зору, які використовують для розпізнавання супутникових зображень. У дослідженні зазначено, що згорткові нейронні мережі (CNN), UNet і Mask R-CNN є найефективнішими моделями для сегментації супутникових зображень. Ці моделі допомагають виділити поля сільськогосподарських культур із необроблених супутникових зображень. Інший метод, згаданий у статті, передбачає класифікацію з використанням RGB-зображень чи зображень із різних спектральних діапазонів, засновану на трансферному навчанні з інших доменів, таких як ImageNet.

Біографії авторів

Володимир Бриксін, Український державний університет залізничного транспорту

кандидат технічних наук, доцент кафедри інформаційних технологій

Андрій Зарицький, Український державний університет залізничного транспорту

аспірант кафедри інформаційних технологій

Посилання

What is computer vision? British Machine Vision Association (BMVA). 2016. (дата звернення: 10.11.2022).

Demush R., Hacker Noon. A Brief History of Computer Vision (and Convolutional Neural Networks). February 27, 2019. URL: https://hackernoon.com/a-brief-history-ofcomputer-vision-and-convolutional-neuralnetworks-8fe8aacc79f3 (дата звернення: 18.09.2024).

Linda G. Shapiro, George C. Stockman. Computer Vision, 1st Edition. February 2. 2001.

Holdsworth J., Scapicchio M. What is deep learning? International Business Machines Corporation (IBM). June, 17. 2024. URL: https://www.ibm.com/topics/deep-learning.

Long J., Shelhamer E., Darrel T. Fully Convolutional Networks for Semantic Segmentation. UC Berkeley. 2015.

Yao Wei, Zeng Zhigang, Lian Cheng, Tang Huiming. Pixel-wise regression using U-Net and its application on pansharpening. October, 24. 2018.

Kaiming He Georgia Gkioxari Piotr Dollar Ross Girshick. Mask R-CNN. Facebook AI Research (FAIR). January, 24. 2018.

Mark Everingham, Luc van Gool, Chris Williams, John Winn, Andrew Zisserman. The PASCAL VOC project. 2014. URL: http://host.robots.ox.ac.uk/pascal/VOC/ (дата звернення: 06.05.2023).

Deng J., Berg A., Satheesh S., Su H., Khosla A. and Fei-Fei L. ImageNet Large Scale Visual Recognition Competition 2012 (ILSVRC2012). URL: http://www.imagenet.org/challenges/LSVRC/2012/.

Krizhevsky A., Sutskever I. and Hinton G. ImageNet classification with deep convolutional neural networks. NIPS, 2012.

Szegedy C., Toshev A. and Erhan D. Deep neural networks for object detection. NIPS, 2013.

##submission.downloads##

Опубліковано

2025-07-01