(ПБФ, КПІ ім. Ігоря Сікорського, 2024-12-04) Земляков, Олександр Ігорович; Момот, Андрій Сергійович
У матеріалах розглядається порівняльний аналіз сучасних архітектур нейронних мереж, таких як FCN, DeepLabv3 і U-Net, для задач сегментації картографічних зображень. Особлива увага приділяється перевагам і недолікам кожної архітектури, зокрема точності, обчислювальній складності та вимогам до обсягу даних для навчання. Аналіз показав, що U-Net є найбільш оптимальним вибором для обробки картографічних даних завдяки збалансованості між точністю та вимогами до ресурсів. У статті наголошується на важливості автоматизації сегментації для підвищення ефективності й об'єктивності роботи з великими обсягами даних.