ВИЗНАЧЕННЯ ОБ’ЄКТІВ НА СУПУТНИКОВИХ ЗНІМКАХ ЗА ДОПОМОГОЮ PYTORCH
DOI:
https://doi.org/10.34185/1991-7848.itmm.2024.01.098Ключові слова:
супутниковы знімки, розпізнавання образів, Python, комп'ютерний зір, машинне навчання, глибинне навчання, PyTorch.Анотація
Дана робота присвячена розробці нейронної мережі для класифікації супутникових знімків Землі за чотирма класами: вода, піски, хмари та зелена місцевість (ліси, поля, скупчення рослин). Для цього використовується Python-бібліотека PyTorch, орієнтована на застосування глибинного навчання для задач комп'ютерного зору. Запропонований підхід дозволяє автоматично класифікувати супутникові знімки, полегшуючи аналіз великих обсягів даних, його було протестовано на супутникових знімках Sentinel-2, отриманих з березня по серпень 2023 року для деяких частин Херсонської та Миколаївської областей, Україна, та отримано загальну точність 95%. Результати дослідження є корисними для спеціалістів у галузях дистанційного зондування Землі, комп'ютерного зору, машинного навчання та розробки програмного забезпечення для аналізу аерокосмічних зображень.
Посилання
Kaplan, G., Aavdan, U., 2018: Sentinel-1 and Sentinel-2 Data fusion for wetlands mapping: Balikdami, Turkey. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., 42(3), 729-734, https://doi.org/10.5194/isprs-archives-XLII-3-729-2018
HnatushenkoVik., Hnatushenko Vo., Kashtan V., Heipke C., 2023: Detection of Forest Fire Consequences on Satellite Images using a Neural Network. In: Kersten T., Tilly N. (Eds.), 43. Wissenschaftlich-TechnischeJahrestagung der DGPF e.V. -
München, Publikations DGPF, Vol. 31 https://www.dgpf.de/src/tagung/jt2023/proceedings/paper/15_dgpf2023_Hnatushenko_et_al.pdf
Zhou, Yue, et al. "Mmrotate: A rotated object detection benchmark using pytorch." Proceedings of the 30th ACM International Conference on Multimedia. 2022.
Lin, Dan, et al. "Multilabel aerial image classification with a concept attention graph neural network." IEEE Transactions on Geoscience and Remote Sensing 60 (2021): 1-12.
Khalifa, NourEldeen, Mohamed Loey, and SeyedaliMirjalili. "A comprehensive survey of recent trends in deep learning for digital images augmentation." ArtificialIntelligenceReview 55.3 (2022): 2351-2377.
Liang, Yilong, Sildomar T. Monteiro, and Eli S. Saber. "Transfer learning for high resolution aerial image classification." 2016 IEEE Applied Imagery Pattern Recognition Workshop (AIPR). IEEE, 2016.
Cheriyadat, Anil M. "Unsupervised feature learning for aerial scene classification." IEEE Transactions on Geoscience and Remote Sensing 52.1 (2013): 439-451.
