Информация о статье

2024 г., Том 29, № 5, с.100-112

Пестунов И.А., Калашников Р.А., Рылов С.А.

Семантическая сегментация осиновых и березовых древостоев на RGB - изображениях с БПЛА при помощи сверточных нейронных сетей

Исследуется возможность автоматического выделения и классификации осиновых и березовых насаждений на RGB-изображениях сверхвысокого пространственного разрешения, полученных с беспилотного летательного аппарата. Для решения задачи семантической сегментации проведено сравнение работы сверточных нейронных сетей на основе различных архитектур: U-Net, FPN, PSPNet, Linknet, DeepLabV3, DeepLabV3+. Результаты показали, что архитектуры DeepLabV3+ и модификации U-Net с Inception-блоками позволяют получить наилучшие результаты семантической сегментации, достигая наиболее высоких значений метрик качества IoU (∼0.83) и F-score (∼0.91).


Ключевые слова: обработка изображений, беспилотная съемка, семантическая сегментация, классификация, БПЛА, выделение древостоев, сверточная нейронная сеть

doi: 10.25743/ICT.2024.28.5.008

Библиографическая ссылка:
Пестунов И.А., Калашников Р.А., Рылов С.А. Семантическая сегментация осиновых и березовых древостоев на RGB - изображениях с БПЛА при помощи сверточных нейронных сетей // Вычислительные технологии. 2024. Т. 29. № 5. С. 100-112
Главная| Цели| Редколлегия| Содержание| Поиск| Подписка| Правила| Контакты
ISSN 1560-7534
© 2024 ФИЦ ИВТ, Новосибирск