ШІ-підходи пояснення супутникових знімків
| dc.contributor.author | Бубнов, Микола С. | uk_UA |
| dc.contributor.author | Гнатушенко, Володимир Володимирович | uk_UA |
| dc.contributor.author | Гнатушенко, Вікторія Володимирівна | uk_UA |
| dc.date.accessioned | 2026-06-17T10:26:48Z | |
| dc.date.issued | 2026 | |
| dc.description | М. Бубнов: ORCID 0009-0001-5430-0469; Вол. Гнатушенко: ORCID 0000-0003-3140-3788; Вік. Гнатушенко: ORCID 0000-0001-5304-4144 | uk_UA |
| dc.description.abstract | UKR: У роботі розглянуто сучасні підходи пояснюваного штучного інтелекту (Explainable Artificial Intelligence, XAI), що застосовуються для інтерпретації та обробки супутникових і аерокосмічних знімків у задачах дистанційного зондування Землі. Проаналізовано основні класи XAI-методів, зокрема атрибуцію ознак, дистиляцію моделей, внутрішньо інтерпретовані підходи та контрастивні пояснення, принципи їх роботи, переваги, обмеження та обчислювальні особливості. Наведено приклади практичного використання XAI для моніторингу природних катастроф, агромоніторингу, оцінки соціально-економічних індикаторів, класифікації землекористування та аналізу мультимодальних даних. Зроблено висновок, що XAI є важливим інструментом для підвищення надійності, прозорості та прийнятності результатів моделей штучного інтелекту у критично важливих прикладних застосуваннях. | uk_UA |
| dc.description.abstract | ENG: This paper explores contemporary Explainable Artificial Intelligence (XAI) methods applied to the interpretation and analysis of satellite and aerospace imagery within remote sensing tasks. We present a comprehensive overview of primary categories of XAI techniques – including feature attribution, model distillation, intrinsically interpretable models, and contrastive explanations – and discuss their operational principles, strengths, limitations, and computational characteristics. The practical relevance of XAI for tasks such as natural disaster monitoring, agricultural assessment, socio-economic indicator estimation, and land use/land cover classification is highlighted with real-world examples. Emphasis is placed on how explainability enhances model transparency, reliability, and integration with domain expert knowledge. Challenges such as ambiguous interpretations, high computational costs, and the lack of standardized evaluation metrics for explanations are also discussed. The review underscores XAI’s growing importance in bridging the gap between black-box AI performance and human understanding in Earth observation applications. | en |
| dc.description.sponsorship | Національний технічний університет «Дніпровська політехніка», Дніпро | uk_UA |
| dc.identifier.citation | Бубнов М. С., Гнатушенко Вол. В., Гнатушенко Вік. В. ШІ-підходи пояснення супутникових знімків. Інформаційні технології в металургії та машинобудуванні – ІТММ’2026 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 21-23 березня 2026 р.). Дніпро, 2026. C. 360–364. DOI: https://doi.org/10.34185/1991-7848.itmm.2026.01.063. | uk_UA |
| dc.identifier.doi | https://doi.org/10.34185/1991-7848.itmm.2026.01.063 | en |
| dc.identifier.issn | 2708-0102 (Online) | |
| dc.identifier.uri | https://journals.nmetau.edu.ua/index.php/itmm/uk/article/view/2447 | en |
| dc.identifier.uri | https://crust.ust.edu.ua/handle/123456789/22423 | en |
| dc.language.iso | uk | |
| dc.publisher | Український державний університет науки і технологій, ІВК «Системні технології», Дніпро | uk_UA |
| dc.rights | Creative Commons Attribution 4.0 International License | en |
| dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | en |
| dc.subject | пояснюваний штучний інтелект | uk_UA |
| dc.subject | XAI | uk_UA |
| dc.subject | дистанційне зондування Землі | uk_UA |
| dc.subject | аерокосмічні знімки | uk_UA |
| dc.subject | інтерпретація моделей | uk_UA |
| dc.subject | атрибуція ознак | uk_UA |
| dc.subject | дистиляція моделей | uk_UA |
| dc.subject | супутникові дані | uk_UA |
| dc.subject | explainable artificial intelligence | en |
| dc.subject | remote sensing | en |
| dc.subject | satellite imagery | en |
| dc.subject | interpretable models | en |
| dc.subject | feature attribution | en |
| dc.subject | model distillation | en |
| dc.subject | satellite data | en |
| dc.subject | КІТС | uk_UA |
| dc.subject.classification | TECHNOLOGY | en |
| dc.subject.classification | TECHNOLOGY::Information technology | en |
| dc.subject.classification | TECHNOLOGY::Information technology::Image analysis | en |
| dc.title | ШІ-підходи пояснення супутникових знімків | uk_UA |
| dc.title.alternative | Explainable AI Approaches for Satellite Image Interpretation | en |
| dc.type | Thesis | en |