Skip to main navigation menu Skip to main content Skip to site footer
##common.pageHeaderLogo.altText##

2020: Сучасний стан проведення наукових досліджень у IT-технологіях, галузях електроніки, інженерії, нанотехнологіях та транспортній сфері (1st edition)

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ РОЗРОБКИ БАЗИ ЗНАНЬ ПРО РОЗПІЗНАВАННЯ МІСЬКИХ БУДОВ НА ЦИФРОВИХ КОСМІЧНИХ ТА АЕРОФОТОЗНІМКАХ ПРИ АВТОМАТИЗОВАНОМУ МОНІТОРИНГУ МІСЬКОГО СЕРЕДОВИЩА

DOI
https://doi.org/10.36074/csriteenat.ed-1.04
Published
21.10.2020

Abstract

У роботі розроблено та запропоновано архітектуру ансамблю нейронних мереж на основі модифікованої згорткової нейронної мережі для сегментації зображень (автокодувальника) U-net. Використання розробленої архітектури дозволить підвищити точність сегментації міських будов на цифрових космічних та аерофотознімках при автоматизованому моніторингу міського середовища. Також запропоновано технологію формального представлення побудови інформаційної технології розробки бази знань про розпізнавання міських будов на цифрових космічних та аерофотознімках при автоматизованому моніторингу міського середовища. Розроблена технологія визначає взаємозалежну сукупність етапів, з можливістю подальшого розпаралелювання виконання підетапів, з урахуванням особливостей подання (формалізації) знань про розпізнавання міських будов на цифрових космічних та аерофотознімках при автоматизованому моніторингу міського середовища.

References

  1. Бровко, Е.А., Кандоба, И.Н., Корнилов, Ф.А. & Перевалов, Д.С. (2015). Оперативный мониторинг структурных изменений изображений объектов на космических снимках земной поверхности. Программные продукты и системы, 1(109), 79-86.
  2. Гук А.П., Евстратова Л.Г., Хлебникова Е.П., Алтынцев М.А., Арбузов С.А., Гордиенко А.С. & Гук А.А. (2013). Разработка методик автоматизированного дешифрирования аэрокосмических снимков. Выявление изменения состояния территорий по многозональным космическим снимкам, полученным на разные даты. Геодезия и картография, (8), 33-41.
  3. Ronneberger, O., Fischer, P., & Brox, T. (2015, October). U-net: Convolutional networks for biomedical image segmentation. In International Conference on Medical image computing and computer-assisted intervention (pp. 234-241). Springer, Cham.
  4. Мищенко, В.А., Астахова, И.Ф. & Краснояров, А.А. (2012). Алгоритм обучения нечеткой нейронной сети Ванга-Менделя для распознавания рукопечатных символов в работе почтовой службы. Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии, (1), 141-146.
  5. Mendel J.M., Hagras H., John R.I. Standard Background Material About Interval Type-2 Fuzzy Logic Systems. IEEE CIS Standards Committee. Retrieved from http://ieee-cis.org/technical/standards.