Browsing by Author "Шевцова, Ольга"

Now showing 1 - 2 of 2

Нейромережеве розпізнавання об’єктів забудови на аерофотознімках
(Видавничий дім «Гельветика», 2023) Каштан, Віта; Гнатушенко, Володимир Володимирович; Удовик, Ірина; Шевцова, Ольга
UKR: Автоматизоване розпізнавання об’єктів забудови на аерофотознімках є однією з найбільш складних проблем у комп'ютерному зорі. Це пов'язано як з варіаціями зовнішнього вигляду будівель, так і з їх семантичною характеристикою в міських районах. У даній роботі запропоновано метод автоматизованого розпізнавання об’єктів забудови на цифрових аерофотознімках на основі 2D-CNN. Спочатку завантажуються та обробляються знімки високого просторового розрізнення, отримані з безпілотних літальних апаратів. Потім проводиться класифікація та сегментація зображення на основі архітектури нейронної мережі 2D-CNN з функцією softmax для вихідного шару та використовується випрямлений лінійний блок (ReLu) для решти шарів. Згорткові шари застосовують фільтри до всіх пікселів вхідного зображення, щоб отримати набір абстрактних особливостей високого рівня. Далі, для класифікації кожного пікселя зображення з БПЛА, була проведена сегментація даних, де поле сприйняття (fov) для кожного зображення вважається ковзним вікном розміру 3×3 вхідних даних. Це дозволяє визначати приналежність об’єкту до певного класу. Завершальним етапом є створення бінарної маски розпізнавання об’єктів забудови на основі функції втрат перехресної ентропії. Тренування мережі проводилося на рівні пікселів, що дозволило підвищити точність ідентифікації об'єктів забудови та зменшити кількість неправильно класифікованих зон. Експериментальні результати показали значне покращення точності розпізнавання будівель у загальнодоступному наборі даних. Зокрема, метрики OA, AA та K покращилися на 2,6%, 5,6% та 3,2% відповідно для навчального набору даних і на 1,2%, 1,8% та 1,5% для тестового набору даних.
Розпізнавання та моніторинг водних об’єктів на оптичних супутникових зображеннях із використанням машинного навчання
(Видавничий дім «Гельветика», 2023) Каштан, Віта; Гнатушенко, Володимир Володимирович; Удовик, Ірина; Шевцова, Ольга
UKR: Річки, озера та відкриті водойми є ключовими компонентами для розвитку навколишнього середовища, особливо в міських екосистемах. Точні карти міських поверхневих водних об’єктів на основі супутникових даних є важливою передумовою для кращого та швидшого прийняття рішень щодо моніторингу міських екосистем, впливу міських теплових островів та адаптації до зміни клімату. В роботі запропоновано інформаційну технологію розпізнавання та моніторингу водних об’єктів на оптичних супутникових зображеннях з використанням машинного навчання. Розроблена технологія складається з восьми етапів: завантаження первинних даних; геоприв’язка растрових зображень; попередня обробка даних; сегментація даних для визначення границь водних об’єктів та ділянки землі; оцифрування берегової лінії; створення бінарної маски; картографування контурів водних об’єктів з використанням топографічної карти та аналіз просторово-часових змін. Машинне навчання використовується для сегментації зображень, а метод опорних векторів (SVM) використовується для картографування контурів водних об’єктів. Це дозволяє отримати результати з субпіксельною точністю, забезпечуючи важливу інформацію для подальших досліджень та прийняття рішень. Експерименти проведено на супутникових даних Sentinel-2 для моніторингу водних об’єктів з просторовим розрізненням 10 метрів. Областю дослідження стала берегова лінії Одеської області – Національний природний парк "Тузлівські лимани". Порівняльний кількісний аналіз з існуючими методами, такими як водні індекси та K-means, підтверджує високу точність розробленої технології протягом 2016–2023 років (точність від 96.96% до 97%). Коефіцієнт Каппа, який враховує ступінь узгодженості між реальною та передбачуваною класифікацією, підтверджує високу стабільність та достовірність підходу (0.94). Технологія моніторингу водних об’єктів на оптичних супутникових зображеннях з використанням машинного навчання може бути використана для дослідження змін на прибережних територіях, прийняття рішень в галузі управління прибережними ресурсами та земельним використанням.