• ВХОД

    •  

    Полное описание

    Ильина, Ольга Викторовна. Способ обучения глубокой сверточной нейронной сети для робастной локализации объектов на аэрофотоизображениях = A deep convolutional neural network training technique for remote sensing robust object localization / О. В. Ильина, М. В. Терешонок. - DOI 10.36724/2409-5419-2022-14-5-4-13. - Текст : непосредственный // Наукоемкие технологии в космических исследованиях Земли (H&ES) = H&ES Research - High Technologies in Earth Space Research : научно-технический журнал. - 2022. - Том 14, N 5. - С. 4-13. - Библиогр. в конце ст. - ISSN 2409-5419.

    ГРНТИ УДК
    28.23.37004.032.26

    Рубрики:
    Нейронные сети

    Кл.слова (ненормированные): дистанционное зондирование Земли -- аэрофотоизображения -- локализация объектов -- глубокая свёрточная нейронная сеть -- Гауссово размытие -- искажение изображений -- аугментация -- обучение
    Аннотация: В настоящее время активно используются системы обнаружения объектов на аэрофотоизображениях с использованием глубоких свёрточных нейронных сетей. Однако при дистанционном зондировании Земли качество изображений может быть крайне низким из-за разнообразных негативных явлений. Наиболее часто на изображениях возникают искажения в виде гауссова размытия, которое приводит к снижению четкости границ объектов на этих изображениях, что, в свою очередь, сильно снижает результативность работы системы обнаружения объектов. Цель исследования - повысить робастность (результативность при наличии искажений) свёрточной нейронной сети в системе локализации объектов на размытых аэрофотоизображениях без использования дополнительных блоков предварительной или последующей обработки, которые приводят к излишним затратам вычислительных ресурсов. Для достижения поставленной цели предложено использовать оригинальный метод аугментации обучающих данных с введением размытых данных с различными степенями искажения. Благодаря проведенному моделированию показано, что с увеличением доли искаженных изображений и одновременно с увеличением степени этих искажений в обучающей выборке наблюдается рост метрики усредненной полноты системы локализации транспортных средств на искаженных тестовых изображениях. Однако одновременно наблюдается падение метрики пересечения предсказанных системой регионов интереса с истинными объектами на этих же искаженных тестовых изображениях. Исследование показало существование оптимального уровня искажений изображений в обучающем наборе данных для получения наиболее устойчивых (робастных) глубоких свёрточных нейронных сетей. Задача решена на примере локализации транспортных средств на аэрофотоизображениях Земли. Предложенный способ позволяет повысить результативность системы локализации объектов на аэрофотоизображениях при наличии искажений без повышения вычислительной сложности. Дальнейшие более подробные исследования поведения глубоких свёрточных нейронных сетей в условиях реального мира, а именно, при наличии различного рода искажающих эффектов, позволят в последующем добиться повышения робастности в самых разнообразных условиях.
    Доп. точки доступа:
    Терешонок, Максим Валерьевич

    Экз-ры полностью cc7db9c025bd05cf1fe49f5b45c29c3a/2022/14/5
    Нет сведений об экземплярах
    Держатели документа:
    Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -578593-151213)

    Шифр в сводном ЭК: dba78e94d517c2a4538670c30d159f78




    Заказ фрагмента документа ₽