NobleBlocks

Research indexJournal article

Ðнализ ÑпÑÑниковÑÑ Ñнимков гоÑодов Ñ Ð¿Ð¾Ð¼Ð¾ÑÑÑ ÑвÑÑÑоÑнÑÑ Ð½ÐµÐ¹ÑоннÑÑ ÑеÑей

усаков

Electronic Library of Peter the Great Polytechnic University1 Jan 2021Open access

NobleIDark:/48914/w1/20260522/ADE4B0FFDOI10.18720/spbpu/3/2021/vr/vr21-872

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Задача машинного анализа ÑÐ¿ÑƒÑ‚Ð½Ð¸ÐºÐ¾Ð²Ñ‹Ñ ÑÐ½Ð¸Ð¼ÐºÐ¾Ð² отличается от Ð¾ÑÑ‚Ð°Ð»ÑŒÐ½Ñ‹Ñ Ð·Ð°Ð´Ð°Ñ‡ распознавания изображений. Причиной этому служит сама специфика спутниковой фотографии, что делает данную область интересным объектом исследования. Цель работы: исследовать возможность применения Ñ‚ÐµÑ Ð½Ð¾Ð»Ð¾Ð³Ð¸Ð¹ машинного обучения, а именно ÑÐ²Ñ‘Ñ€Ñ‚Ð¾Ñ‡Ð½Ñ‹Ñ Ð½ÐµÐ¹Ñ€Ð¾Ð½Ð½Ñ‹Ñ ÑÐµÑ‚ÐµÐ¹, к задаче классификации типа использования Ð·ÐµÐ¼ÐµÐ»ÑŒÐ½Ñ‹Ñ ÑƒÑ‡Ð°ÑÑ‚ÐºÐ¾Ð² в городской черте. Для достижения цели были выделены несколько задач: • Определить Ð°Ñ€Ñ Ð¸Ñ‚ÐµÐºÑ‚ÑƒÑ€Ñƒ нейронной сети • Получить данные для обучения свёрточной нейронной сети • Провести обучение и тестирование моделей Результаты работы: работа была поделена на несколько этапов: поиск и работу с данными, разработку Ð°Ñ€Ñ Ð¸Ñ‚ÐµÐºÑ‚ÑƒÑ€Ñ‹ нейронной сети, обучение сети и анализ результатов. По итогу были собраны шесть датасетов для шести городов Европы и один общий датасет. Удалось достичь наибольшей точности классификации типа использования земли в 0,75, что является многообещающим результатом, демонстрирующим эффективность выбранного Ð¿Ð¾Ð´Ñ Ð¾Ð´Ð° к решению проблемы. Область применения: урбанистика, проектирование и развитие Ð¿Ñ€Ð¸Ð³Ð¾Ñ€Ð¾Ð´Ð½Ñ‹Ñ Ñ‚ÐµÑ€Ñ€Ð¸Ñ‚Ð¾Ñ€Ð¸Ð¹.

Discussion

Topics

More

Suggest a correction or report