Моделі семантичної сегментації в задачі пошуку нафтових плям на основі геопросторових даних
Вантажиться...
Дата
2024
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Ця робота є актуальною через зростаючу потребу виявлення нафтових плям у водах для моніторингу морського середовища та прийняття заходів щодо їх ліквідації. Сучасні методи семантичної сегментації зображень, засновані на супутникових даних, дозволяють значно підвищити ефективність виявлення та контролю забруднень. У роботі використовуються дані звітів про спостереження за забрудненням моря (MPSR) для створення датасету та супутникові знімки для аналізу та експериментів.
Робота складається з декількох етапів, включаючи огляд літератури, підготовку датасету, імплементацію моделей сегментації та оцінку їх продуктивності. Для реалізації та навчання моделей було використано бібліотеку PyTorch Lightning. Особлива увага приділена порівнянню різних архітектур моделей та функцій втрат для семантичної сегментації нафтових плям. У ході численних експериментів оцінено точність моделей за метриками Intersection over Union (IoU) та F1-Score (Dice Score). Результати показали, що використання таких архітектур моделей як UNet++ та DeepLabV3+, забезпечує високу точність виявлення нафтових плям. Дослідження також виявило оптимальні параметри навчання для цих моделей, що може бути використано для подальшого моніторингу забруднень морського середовища.
Таким чином, результати даного дослідження дозволяють визначити ефективні моделі та параметри для семантичної сегментації нафтових плям у водах на основі супутникових зображень, що сприяє покращенню методів моніторингу та охорони довкілля.
Опис
Ключові слова
Семантична сегментація, супутникові дані, виявлення нафтових плям, UNET++, DEEPLABV3+
Бібліографічний опис
Григоренко, Є. М. Моделі семантичної сегментації в задачі пошуку нафтових плям на основі геопросторових даних : дипломна робота ... бакалавра : 113 Прикладна математика / Григоренко Євгеній Михайлович. - Київ, 2024. - 57 с.