Статті КІТС (ІПБТ)

Permanent URI for this collection

Browse

Recent Submissions

Now showing 1 - 20 of 63
  • Item
    Information System of Air Quality Assessment Using Data Interpolation from Ground Stations
    (CEUR-WS Team, Aachen, Germany, 2023) Molodets, Bohdan; Hnatushenko, Volodymyr V.; Boldyriev, Daniil; Bulana, Tetiana
    ENG: Monitoring ground stations is crucial for creating interactive maps that assist in assessing air quality. A developed information system can aggregate and process the data obtained, which is then transformed into a unified format and used as input data for interpolation methods that create raster imagery. After processing, the data is stored in Amazon Simple Storage Service or database and can be retrieved using application program interfaces (APIs). The proposed architectural solution for creating the system includes a toolkit that can work with different volumes of data with ease. Using Docker during deployment provides additional capabilities for creating a flexible and scalable system. Specific tools such as PostGis and Geospatial Data Abstraction Library (GDAL) simplify the processing of data. For instance, GDAL helps with the interpolation, cropping, and tiling of the air quality raster image. The article describes the structure of the client part and the interface in detail. By using the Mapbox Graphics Library system, the system can easily visualize big data as a vector layer, helping users recognize hazardous zones and find safe places.
  • Item
    Raster image processing using 2D Padé-type approximations
    (IOP Publishing, 2023) Olevskyi, V. I.; Olevska, Yu. B.; Olevskyi, O. V.; Hnatushenko, Volodymyr V.
    ENG: We have developed a method called the two-dimensional Padé-type approximants method, which can be used to reduce the Gibbs phenomenon in the harmonic two-dimensional Fourier series. This method can be applied to both monochrome and color raster images. To do this, we implement the generalized two-dimensional Padé approximation proposed by Chisholm. In this approach, we select the range of frequency values on the integer grid according to the Vavilov method. We propose a definition of a Padé-type functional and provide examples of its application to simple discontinuous templates represented as raster images. Through this study, we are able to draw conclusions about the practical usage and advantages of the Padé-type approximation. We demonstrate that the Padé-type approximant effectively eliminates distortions associated with the Gibbs phenomenon, and it is visually more appropriate than the Fourier approximant. Additionally, the application of the Padé-type approximation reduces the number of parameters without sacrificing precision.
  • Item
    Improvement of the Algorithm for Setting the Characteristics of Interpolation Monotone Curve
    (Lublin University of Technology, Lublin, 2023) Kholodniak, Yuliia; Havrylenko, Yevhen; Halko, Serhii; Hnatushenko, Volodymyr V.; Suprun, Olena; Volina, Tatiana; Miroshnyk, Oleksandr; Shchur, Taras
    ENG: Interpolation of a point series is a necessary step in solving such problems as building graphs de-scribing phenomena or processes, as well as modelling based on a set of reference points of the line frames defining the surface. To obtain an adequate model, the following conditions are imposed upon the interpolating curve: a minimum number of singular points (kinking points, inflection points or points of extreme curvature) and a regular curvature change along the curve. The aim of the work is to develop the algorithm for assigning characteristics (position of normals and curvature value) to the interpolating curve at reference points, at which the curve complies with the specified conditions. The characteristics of the curve are assigned within the area of their possible location. The possibilities of the proposed algorithm are investigated by interpolating the point series assigned to the branches of the parabola. In solving the test example, deviations of the normals and curvature radii from the corresponding characteristics of the original curve have been determined. The values obtained confirm the correctness of the solutions proposed in the paper.
  • Item
    Automated Building Damage Detection on Digital Imagery Using Machine Learning
    (Dnipro University of Technology, Ukraine, 2023) Kashtan, Vita Yu.; Hnatushenko, Volodymyr V.
    ENG: Purpose. To develop an automated method based on machine learning for accurate detection of features of a damaged building on digital imagery. Methodology. This article presents an approach that employs a combination of unsupervised machine learning techniques, specifically Principal Component Analysis (PCA), K-means clustering, and Density-Based Spatial Clustering of Applications with Noise (DBSCAN), to identify building damage resulting from military conflicts. The PCA method is utilized to identify principal vectors representing the directions of maximum variance in the data. Subsequently, the K-means method is applied to cluster the feature vector space, with the predefined number of clusters reflecting the number of principal vectors. Each cluster represents a group of similar blocks of image differences, which helps to identify significant features associated with fractures. Finally, the DBSCAN method is employed to identify areas where points with similar characteristics are located. Subsequently, a binary fracture mask is generated, with pixels exceeding the threshold being identified as fractures. Findings. The introduced methodology attains an accuracy rate of 98.13 %, surpassing the performance of conventional methods such as DBSCAN, PCA, and K-means. Furthermore, the method exhibits a recall of 82.38 %, signifying its ability to effectively detect a substantial proportion of positive examples. Precision of 58.54 % underscores the methodology’s capability to minimize false positives. The F1 Score of 70.90 % demonstrates a well-balanced performance between precision and recall. Originality. DBSCAN, PCA and K-means methods have been further developed in the context of automated detection of building destruction in aerospace images. This allows us to significantly increase the accuracy and efficiency of monitoring territories, including those affected by the consequences of military aggression. Practical value. The results obtained can be used to improve automated monitoring systems for urban development and can also serve as the basis for the development of effective strategies for the restoration and reconstruction of damaged infrastructure.
  • Item
    Імітаційна модель плаского повітряного сонячного колектора
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Шедловський, Ігор Анатолійович; Гнатушенко, Володимир Володимирович; Шедловська, Яна Ігорівна; Горєв, Вячеслав Миколайович
    UKR: Системи опалення, що використовують сонячні теплові колектори регулюють температуру підігрітого в сонячному колекторі повітря тільки зміною швидкості повітря, яке проходить через нього. Використання інформаційно- управляючої системи керування (зокрема в складі IoT) для поточного керування та прогнозних обчислень потребує використовувати узагальнюючу імітаційну модель. Проведені дослідження показали що модель, яка описує залежність температури повітря на виході з повітряного колектора від швидкості його потоку – нелінійна. Динаміка нагріву повітря визначається динамічною ланкою першого порядку. При розробці комп’ютерної системи керування необхідно враховувати використання датчиків температури повітря на вході і на виході сонячного колектора. Також потрібно використовувати дані з датчика поточної потужності сонячного випромінювання.
  • Item
    Enhancing the Quality of CNN-Based Burned Area Detection in Satellite Imagery through Data Augmentation
    (Copernicus GmbH (Copernicus Publications) on behalf of the International Society of Photogrammetry and Remote Sensing, 2023) Hnatushenko, Viktoriia V.; Hnatushenko, Volodymyr V.; Soldatenko, Dmytro V.; Heipke, Christian
    ENG: This study aims to enhance the quality of detecting burned areas in satellite imagery using deep learning by optimizing the training dataset volume through the application of various augmentation methods. The study analyzes the impact of image flipping, rotation, and noise addition on the overall accuracy for different classes of burned areas in a forest: fire, burned, smoke and background. Results demonstrate that while single augmentation techniques such as flipping and rotation alone did not result in significant improvements, a combined approach and the addition of noise resulted in an enhancement of the classification accuracy. Moreover, the study shows that augmenting the dataset through the use of multiple augmentation methods concurrently, resulting in a fivefold increase in input data, also enhanced the recognition accuracy. The study also highlights the need for further research in developing more efficient CNN models and in experimenting with additional augmentation methods to improve the accuracy of burned area detection, which would benefit environmental protection and emergency response services.
  • Item
    Дослідження методів на основі нейронних мереж для аналізу тональності корпусу текстів
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Островська, Катерина Юріївна; Стовпченко, Іван Володимирович; Печений, Денис Сергійович
    UKR: Об'єктом дослідження є методи з урахуванням нейронних мереж для аналізу тональності корпусу текстів. Для досягнення поставленої в роботі мети необхідно вирішити такі завдання: вивчити теоретичний матеріал для навчання глибинних нейронних мереж та їх особливості стосовно обробки природної мови; вивчити документацію бібліотеки Tensorflow; розробити моделі згорткової та рекурентної нейронних мереж; розробити реалізацію лінійних та нелінійних методів класифікації на моделях мішка слів та Word2Vec; порівняти точність та інші показники якості реалізованих нейромережевих моделей із класичними методами. Для візуалізації навчання використовується Tensorboard. У роботі показано перевагу класифікаторів на основі глибоких нейронних мереж над класичними методами класифікації, навіть якщо для векторних уявлень слів використовується модель Word2Vec. Найвищу точність для даного корпусу текстів має модель рекурентної нейронної мережі з LSTM-блоками.
  • Item
    Механізми та методи фішингу як першого кроку до отримання доступу
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Гуда, Антон Ігорович; Кліщ, Сергій Михайлович
    UKR: Розглянуто фішинг – техніку надсилання фішингових повідомлень. Аналіз зроблено на підставі даних у відкритому доступі. Проаналізовано процес фішингової атаки, та досліджено технічні вектори того, як користувачі стають жертвами атаки. Також розглянуто існуючі параметри фішингових атак та відповідні підходи до запобігання.
  • Item
    Управління потоками даних в сучасній промисловості за допомогою блокчейну
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Ситник, Роман Сергійович; Гнатушенко, Вікторія Володимирівна
    UKR: Сучасна світова промисловість проживає трансформацію того, як компанії розробляють, виробляють і розповсюджують товари та послуги, зосереджуючись на більшій ефективності, гнучкості та підлаштуванню під потреби сучасного світу. Ці процеси відбуваються під впливом впровадження в промисловість інформаційних технологій, та часто описуються терміном "Індустрія 4.0", в якому описуються концепції цифровізації, автоматизації та взаємозв’язку у промислових секторах, появи розумних фабрик і об’єднаних ланцюжків поставок, що створює великі об’єми даних для аналізу та обробки, що створює нові виклики у питаннях адаптації інформаційних технологій. Тому є актуальною задача дослідження нових моделей та методів управління потоками даних у інформаційних системах, які можуть поліпшити взаємодію та прискорити адаптацію інформаційних технологій в різних промислових секторах економіки. У роботі розглянуто підхід до побудови інформаційних систем в промисловості та бізнесі за допомогою технології блокчейну та потенціал цієї технології у вирішенні проблем управління потоками даних у сучасній промисловості.
  • Item
    Покращення ефективності розпізнавання супутникових зображень шляхом визначення обсягу навчальних даних
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Солдатенко, Дмитро Володимирович; Гнатушенко, Вікторія Володимирівна
    UKR: Розпізнавання супутникових зображень є життєво важливим застосуванням комп’ютерного зору з потенційними варіантами використання в таких сферах, як боротьба зі стихійними лихами, землеробство та міське планування. Це дослідження спрямоване на визначення оптимальної кількості вхідних даних, та підбору оптимальних методів їх аугментації, необхідних для навчання нейронної мережі CNN для розпізнавання супутникових зображень. З цією метою проводиться серія експериментів, щоб дослідити вплив кількості вхідних даних на кілька показників продуктивності, включаючи точність, конвергенцію та узагальнення моделі. Дослідження пропонує кілька методів для визначення точки насичення та пом’якшення наслідків перенавчання. Результати, отримані в цьому дослідження, можуть допомогти в розробці більш ефективних моделей розпізнавання супутникових зображень.
  • Item
    Розробка програмного модулю для ідентифікації емоційного стану користувача
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Дмитрієва, Ірина Сергіївна; Бімалов, Дмитро Вікторович
    UKR: Дослідження ідентифікації емоцій у текстовому спілкуванні є актуальним напрямком досліджень в галузі обробки природної мови та машинного навчання. Основна мета роботи полягає в розробці програмного модулю, який реалізує алгоритми та моделі автоматичної ідентифікації емоцій людини у текстових повідомленнях. В роботі емоційні слова знаходилися за допомогою аналізу семантики речення та розглянуто два алгоритми для визначення емоцій.
  • Item
    Огляд математичних моделей та інформаційних технологій бізнес аналізу великих web-даних
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2023) Малієнко, Станіслав Євгенович; Селівьорстова, Тетяна Віталіївна
    UKR: У сучасному бізнесі, особливо у сфері інтернет-технологій, існує величезна кількість даних, які постійно надходять та накопичуються. Для ухвалення ефективних рішень необхідно проводити аналіз цих даних. Однак обробка великих обсягів даних потребує спеціальних математичних моделей та інформаційних технологій. У зв'язку з цим дослідження математичних моделей та інформаційних технологій для аналізу великих web-даних є актуальною темою. Проблема полягає в тому, що для аналізу великих обсягів даних, отриманих зі сфери інтернет-технологій, потрібні ефективні методи обробки та аналізу. Існуючі методи аналізу не завжди дозволяють отримати актуальну та точну інформацію, яка може бути використана для прийняття рішень. Метою дослідження є огляд та аналіз існуючих математичних моделей та інформаційних технологій, що використовуються для аналізу великих web-даних. Для досягнення цієї мети були використані методи аналізу літератури, порівняльний аналіз методів та засобів аналізу даних. В результаті дослідження були виявлені основні математичні моделі та інформаційні технології, які широко використовуються для аналізу великих веб-даних. Було проведено аналіз та порівняння існуючих методів, виявлено їх переваги та недоліки. Аналіз даних є важливим інструментом прийняття ефективних рішень у сфері інтернет-технологій. Використання ефективних математичних моделей та інформаційних технологій дозволяє отримати точну та актуальну інформацію з великих web-даних. Результати дослідження можуть бути використані для розробки нових методів та засобів аналізу даних, що дозволить покращити якість прийнятих рішень.
  • Item
    Архітектурне рішення для веб-додатку DDP (Diploma Defense Project) для документування процесу екзаменування
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2022) Андрюхіна, Маргарита Василівна; Селівьорстова, Тетяна Віталіївна
    UKR: Стаття присвячена розробці архітектури програмного забезпечення. Головним завданням запропонованої архітектури є цифровізація роботи членів екзаменаційної комісії, більш швидкої обробки документації в процесі захисту. Технічна можливість зменшити навантаження на секретаря комісії існує вже сьогодні. В міру збільшення кількості студентів-випускників, важливості вчасного документування та перевірки інформації актуальним постало питання формування відповідної документації в процесі захисту за допомогою певного програмного забезпечення. Як свідчить практика розвинених країн, саме широке використання цифрових технологій (у сферах виробництва, фінансів, державного управління, соціального обслуговування тощо) забезпечує суттєве підвищення ефективності економічної діяльності та якості суспільного життя. Україна також стала на шлях цифровізації, про що свідчить Прийняття у 2018 році Концепції розвитку цифрової економіки та суспільства України на 2018-2020 роки та затвердженому плані заходів щодо її реалізації. Робота секретаря екзаменаційної комісії являє собою рутину з ведення документації: ведення протоколів, формуванню звітів, підрахунок статистичних даних. Щоб спростити роботу членів комісії є можливість практичного застосування такої інновації - як проєкт DDP (diploma defense project). Проєкт у статті запропоновано розробити за допомогою фреймворка Ruby on Rails. Ruby входить до складу більшості дистрибутивів ОС Linux, поставляється з Mac OS X і доступна для користувачів інших операційних систем. Станом на серпень 2022 року Ruby входить до топ 20 найпопулярніших мов програмування за версією авторитетного спеціалізованого рейтингу Tiobe. У статті також описаний процес створення архітектурного рішення для проєкту DDP, описані рекомендаційні технології для його створення, а також наведені UML діаграми, що більш детально описують архітектуру проєкту.
  • Item
    Дослідження ефективності платформ управління обчислювальними сервісами при організації Fog computing
    (Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро, 2022) Островська, Катерина Юріївна; Шерстяних, Микита Олександрович; Стовпченко, Іван Володимирович; Каліберда, Юрій Олегович
    UKR: Робота присвячена дослідженню ефективності платформ управління обчислювальними сервісами при організації Fog computing. В рамках роботи проводиться дослідження ефективності платформ контейнерної оркестрації з організацією Fog computing. У ході проведення дослідження необхідно виконати такі завдання: 1) зробити підбір літератури, наукових публікацій та Інтернет статей, необхідних для проведення дослідження; 2) здійснити огляд платформ контейнерної оркестрації; 3) визначити ключові вимоги та критерії проведення дослідження; 4) спроектувати та реалізувати утиліту автоматичного проведення випробувань; 5) виконати дослідження ефективності платформ контейнерної оркестрації з організацією туманних обчислень; 6) проаналізувати отримані результати та зробити супутні висновки. Організується розгортання Docker-контейнерів. Для створення кластера використовується Docker Swarm. Вирішуються завдання вимірювання наступних параметрів: час розгортання одного контейнера, час розгортання групи контейнерів, час відгуку задачі горизонтального масштабування, час затримки передачі. Проводиться аналіз одержаних результатів випробувань.
  • Item
    Homomorphic Filtering in Digital Multichannel Image Processing
    (Dnipro University of Technology, Dnipro, Ukraine, 2023) Hnatushenko, Volodymyr V.; Spirintseva, O. V.; Spirintsev, V. V.; Kravets, O. V.; Spirintsev, D. V.
    ENG: Purpose. The purpose of this article is to develop a preprocessing method for digital multispectral remote sensing images obtained through optical and infrared means in the electromagnetic spectrum. The method aims to ensure invariance with respect to positional formation conditions that determine spatial and radiometric resolution. By implementing homomorphic filtering in this method, we can significantly increase the informative value of processed imagery. Methodology. The problem solving, including the development of the spatial and radiometric resolution increase ways for multispectral geospatial data are based on the methods of brightness spatial distribution fusion, methods of data dimension reduction, de-correlation techniques and geometric correction of image spatial distributions. Findings. The method of preprocessing digital remote sensing data has been developed, which is a component of the methodology for identifying geometric shapes (GS) of objects in multi-channel aerospace images, allowing for a significant improvement in their recognition efficiency when noise is present. Originality. The method of preprocessing photogrammetric scenes using homomorphic filtering to enhance their informational significance is proposed. The method ensures invariance to positional conditions of fixation, improves the accuracy of further recognition, eliminates the drawbacks of known methods associated with the existence of parametric uncertainty dependence, the features of fixation of species information, low values of information indices of synthesized images, and computational process peculiarities. Practical value. Practical value consists in improving of identification accuracy of objects GS in digital geospatial data, in significant increasing of raster multispectral images information value and in rising of automated image processing efficiency. The use of the method can greatly enhance the value and usefulness of multispectral photogrammetric images in a wide range of applications, from environmental monitoring to urban planning.
  • Item
    Detection of Forest Fire Consequences on Satellite Images Using a Neural Network
    (German Society for Photogrammetry, Remote Sensing and Geoinformation, 2023) Hnatushenko, Viktoriia V.; Hnatushenko, Volodymyr V.; Kashtan, Vita; Heipke, Christian
    ENG: The objective of this research is the detection of burnt forest areas from Sentinel-2 imagery. The proposed algorithm uses an approach based on convolutional neural networks (CNN). The functionality of the created system allows solving the task, starting from the moment of receiving the input data, image preprocessing and ending with the export of a hot-spot fire polygonal file describing the area that was burnt. These results are compared to methods based on the dNBR and a variant of BAIS2 called dBAIS2, which are generated from measurements in the near and middle IR channels of the Sentinel images. The proposed algorithm was tested on Sentinel satellite images acquired from June to September 2021for the Tizi Ouzou region, Algeria. We found it to have an overall accuracy of 97%, outperforming the results obtained from dNBR and dBAIS2 by large margins.
  • Item
    Identification of Objects on Satellite Images Using the Image Texture Properties
    (CEUR-WS Team, Aachen, Germany, 2023) Hnatushenko, Volodymyr V.; Shedlovska, Yana; Shedlovsky, Igor; Gorev, Vyacheslav
    ENG: This paper focuses on identifying objects in satellite images using image texture properties, which is an important problem in agriculture. Texture segmentation can distinguish areas that correspond to tree plantations. Orchards and tree plantations can cover vast areas with thousands of trees, making the automation of harvest estimation crucial. Satellite images enable the creation of an effective automatic system for counting trees in plantations. In this work, we applied image texture segmentation to identify areas corresponding to agricultural plantations. We calculated textural properties of the image using the gray-level cooccurrence matrix, including mean value, variance, homogeneity, second angular moment, correlation, contrast, divergence, and entropy. These characteristics were used for segmentation, with multi-scale segmentation employed to distinguish areas of the image with specific textures. We proposed an algorithm for counting objects in satellite images, based on identifying individual objects that create a texture according to their spectral characteristics. The images used in this work primarily featured three object classes: trees, soil, and tree shadows. Since trees in gardens and plantations are arranged uniformly and have the same size, they can be easily distinguished from other image pixels based on their spectral characteristics. We analyzed NDVI and NSVDI spectral indices for tree detection and used the automatic spectral index histogram splitting method to distinguish objects with a high index value corresponding to trees.
  • Item
    Information System of Air Quality Assessment Based of Ground Stations and Meteorological Data Monitoring
    (CEUR-WS Team, Aachen, Germany, 2023) Molodets, Bohdan; Hnatushenko, Volodymyr V.; Boldyriev, Daniil; Bulana, Tetiana
    ENG: Monitoring ground stations and collecting meteorological data are essential solutions for assessing air quality. A developed information system can aggregate and process the data obtained. The data is transformed into a unified format and returned through written application programming interfaces (APIs). Client interfaces were created for convenient display of the results. The project infrastructure is designed for easy deployment. The architectural solution for creating the system proposes a toolkit that optimizes system operation when performing complex tasks through asynchronous execution. The use of Docker during deployment provides additional capabilities. To calculate the distribution of emissions in Kryvyi Rih, the CALPUFF model was employed for data processing. The article describes the client part structure and interface description. It also displays the processed data, which is the result of applying a mathematical model to the meteorological and station data.
  • Item
    Використання нейромережевих технологій для вирішення задачі класифікації дефектів металопрокату
    (Український державний університет науки і технологій, ННІ «Інститут промислових та бізнес технологій», ІВК «Системні технології», 2023) Островська, Катерина Юріївна; Балакін, Валерій Федорович; Черський, Сергій Сергійович
    UKR: Основною метою роботи є створення програмної системи, що виконує класифікацію дефектів поверхні металопрокату з високою точністю (понад 90%) та високою швидкістю (не більше 1 секунди на 1 зображення) за рахунок використання штучних нейронних мереж. Для досягнення мети необхідно виконати такі завдання: 1) виконати дослідження предметної галузі, визначити можливість використання нейронних мереж для вирішення задачі класифікації дефектів металопрокату; 2) побудувати модель нейронної мережі, придатну на вирішення завдання класифікації видимих дефектів металопрокату; 3) виконати генерацію навчальної, тестової та валідаційної вибірок на основі бази даних дефектів поверхні гарячого металопрокату, наданої Північно-східним університетом (NEU); зробити аугментацію згенерованих вибірок; 4) спроектувати та реалізувати систему класифікації дефектів; 5) провести тестування та обчислювальні експерименти. В результаті роботи було розроблено програмну систему для класифікації дефектів металопрокату на базі нейромережевих технологій, яка здатна менш ніж за 1с часу виконувати класифікацію дефекту на зображенні з точністю не менше 90%.
  • Item
    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.