КЛАСИФІКАЦІЯ ЕКООБ’ЄКТІВ НА СУПУТНИКОВИХ ЗОБРАЖЕННЯХ ЗА ДОПОМОГОЮ PYTORCH
DOI:
https://doi.org/10.34185/1562-9945-4-153-2024-10Ключові слова:
нейронна мережа, супутникове зображення, розпізнавання, глибинне навчання, PyTorch.Анотація
У статті наведена практична реалізація алгоритму класифікації екооб’єктів на супутникових зображеннях з використанням бібліотеки глибинного навчання PyTorch. Метою дослідження є підвищення якості класифікації об’єктів на цифрових зображеннях завдяки розробці та використанню моделі нейронної мережі. Запропонований підхід дозволяє класифікувати воду, піски, хмари та зелену місцевість на супутникових знімках, полегшуючи аналіз великих обсягів даних та отримано серед-ню точність 95%. Його було протестовано на супутникових знімках Sentinel-2, отри-маних з березня по серпень 2023 року для деяких частин Херсонської та Миколаївської областей, Україна. Для навчання моделі використовується попередньо натренована архітектура ResNet. Представлене дослідження демонструє практичне використання сучасних методів глибинного навчання, зокрема бібліотеки PyTorch, для вирішення актуальних завдань аналізу та класифікації об’єктів на супутникових знімках.
Посилання
Hnatushenko, Vi., Hnatushenko, Vo., Soldatenko, D., Heipke, C. (2023): Enhancing the quality of CNN-based burned area detection in satellite imagery through data augmentation. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLVIII-1/W2-2023, 1749–1755. doi.org/10.5194/isprs-archives-XLVIII-1-W2-2023-1749-2023.
Ortega, M. X., Wittich, D., Rottensteiner, F. , Heipke, C., Feitosa, R. Q., 2023. Using time series image data to improve the generalization capabilities of a CNN - The example of deforestation detection with Sentinel-2. In: ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences X-1/W1-2023, pp. 961–970. doi.org/10.5194/isprs-annals-X-1-W1-2023-961-2023
KAPLAN, G. &AVDAN, U., 2018: Sentinel-1 and Sentinel-2 Data fusion for wetlands mapping: Balikdami, Turkey. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. XLII-3. 729-734. 10.5194/isprs-archives-XLII-3-729-2018.
Buyukdemircioglu, M., R. Can, and S. Kocaman. "Deep learning based roof type classification using very high resolution aerial imagery." The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences 43 (2021): 55-60.
Tong, Xin-Yi, et al. "Land-cover classification with high-resolution remote sensing images using transferable deep models." Remote Sensing of Environment 237 (2020): 111322.
Zhou, Yue, et al. "Mmrotate: A rotated object detection benchmark using pytorch." Proceedings of the 30th ACM International Conference on Multimedia. 2022.
Wu, Sen, et al. "On the generalization effects of linear transformations in data augmentation." International Conference on Machine Learning. PMLR, 2020.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Системні технології
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
