Поляков Артем Николаевич (Инженер
Вычислительный центр Дальневосточного отделения Российской академии наук
)
Полякова Кристина Эдуардовна (Дальневосточный государственный университет путей сообщения )
| |
Сегментация спутниковых снимков Sentinel и Landsat представляет собой актуальную задачу в сфере дистанционного зондирования Земли. Современные методы машинного обучения открывают новые возможности для автоматизированной обработки больших массивов данных и извлечения ценной информации. В данной статье проведен системный анализ существующих подходов к сегментации, включая использование сверточных нейронных сетей, алгоритмов кластеризации и ансамблевых моделей. На основе выборки из 2500 снимков высокого разрешения, полученных со спутников Sentinel-2 и Landsat-8 в период с 2018 по 2022 гг., проведено сравнительное тестирование 5 различных моделей сегментации. Лучшие результаты показал ансамбль сверточной нейросети U-Net и алгоритма кластеризации K-means, обеспечивший точность сегментации на уровне 94.7% по метрике IoU. Также предложен новый подход, основанный на предобученной модели EfficientNet-B4 и оригинальной функции потерь Focal Tversky Loss, позволяющий повысить точность до 96.2% при снижении вычислительной сложности. Полученные результаты имеют высокую теоретическую и практическую значимость, открывая перспективы для создания интеллектуальных геоинформационных систем нового поколения. Дальнейшие исследования целесообразно направить на разработку методов переноса обучения и адаптации моделей к снимкам из разных источников.
Ключевые слова:сегментация изображений, спутниковые снимки, Sentinel, Landsat, машинное обучение, нейронные сети, кластеризация
|
|
| |
|
Читать полный текст статьи …
|
Ссылка для цитирования:
Поляков А. Н., Полякова К. Э. СЕГМЕНТАЦИЯ СПУТНИКОВЫХ СНИМКОВ SENTINEL И LANDSAT: СОВРЕМЕННЫЕ ПОДХОДЫ И ПЕРСПЕКТИВЫ // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2025. -№02. -С. 123-129 DOI 10.37882/2223-2966.2025.02.26 |
|
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
