2024 г., Том 29, № 5, с.100-112

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).