Алгоритмы нейросетевой сегментации снимков дистанционного зондирования поверхности Земли
Работа посвящена разработке алгоритмов сегментации снимков дистанционного зондирования поверхности Земли. Алгоритмы позволят повысить автоматизацию и точность сегментации данных, что может быть востребовано на предприятиях для добычи производственных ресурсов, построения карт местности, определения точных границ и другие.
ВВЕДЕНИЕ ……………………………………………………………………………………………… 14
1 АНАЛИТИЧЕСКИЙ ОБЗОР ………………………………………………………………. 15
1.1 Обзор алгоритмов семантической сегментации изображений ……………. 15
1.1.1 Детекторы и дескрипторы ………………………………………………….. 15
1.1.2 Классификаторы ……………………………………………………………….. 20
1.2 Искусственные нейронные сети ………………………………………………………. 22
1.2.1 Нейронная сеть …………………………………………………………………. 23
1.2.2 Модель нейрона ………………………………………………………………… 24
1.2.3 Функции активации …………………………………………………………… 26
1.2.4 Архитектуры ИНС …………………………………………………………….. 28
1.2.5 Обучение ИНС ………………………………………………………………….. 31
1.3 Обзор и сравнение библиотек. ………………………………………………………… 39
2 РАЗРАБОТКА ПРОГРАММЫ ……………………………………………………………. 43
2.1 Построение архитектуры. ……………………………………………………………….. 43
2.2 Обучение ………………………………………………………………………………………. 44
2.3 Результаты …………………………………………………………………………………….. 47
3 ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРС ЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ ………………………………………………………………………….. 49
3.1 Экономическая концепция и реализация научного проекта ………………….. 49
3.2 Календарный план выполнения работы ………………………………………………. 49
3.3 Бюджет научного исследования …………………………………………………………. 51
3.3.1 Материальные затраты ………………………………………………………. 51
3.3.2 Вознаграждения ………………………………………………………………… 53
3.3.3 Отчисления на социальные нужды ……………………………………… 53
3.3.4 Накладные расходы …………………………………………………………… 54
3.3.5 Расчет общей себестоимости разработки …………………………….. 54
3.4 Оценка экономической эффективности проекта …………………….. 54
3.4.1 Оценка научно-технического уровня НИР …………………………… 55
4 СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ …………………………………………………… 59
4.1 Профессиональная и социальная безопасность ……………………………………. 60
4.1.1 Искусственное освещение ………………………………………………….. 61
4.1.2 Микроклимат ……………………………………………………………………. 62
4.1.3 Монотонность работы ……………………………………………………….. 63
4.1.4 Поражение электрическим током ……………………………………….. 64
4.1.5 Возникновение пожара ………………………………………………………. 65
4.2 Экологическая безопасность ………………………………………………………………. 67
4.3 Безопасность в чрезвычайных ситуациях ……………………………………………. 69
4.3.1 Пожары и взрывы ……………………………………………………………… 69
4.3.2 Социальные чрезвычайные ситуации ………………………………….. 70
4.4 Организационные мероприятия обеспечения безопасности ………………….. 73
4.4.1 Организационные мероприятия при компоновке рабочей зоны … 73
ЗАКЛЮЧЕНИЕ ………………………………………………………………………………………… 75
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ………………………………………. 76
Приложение А ………………………………………………………………………………………….. 80
Приложение Б …………………………………………………………………………………………… 88
Семантическая сегментация объектов на изображениях – одно из самых
интенсивно развивающихся направлений в области информационных
технологий. Данные системы находят применение в самых разных областях —
от систем обеспечения безопасности до различных видов медицинской
диагностики. Распознавание объектов на изображениях – это назначение
объекту определенного класса по существенным признакам, отделяющим
данных объект от остальных.
Результатом работы является программа для сегментации данных
дистанционного зондирования Земли.
Произведён анализ популярных библиотек для построения свёрточных
нейронных сетей. Сделан выбор по использованию библиотеки посредством
сравнительного анализа.
Построен алгоритм и реализована нейронная сеть способная распознавать
объекты на снимках дистанционного зондирования, а именно: дороги, здания,
деревья, траву и автомобили.
При сравнении с другими алгоритмами, разработанная нейросеть показала
хорошие результаты и конкурентоспособный уровень.
Последние выполненные заказы
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!