Розпізнавання (сегментація) об’єктів на супутникових та аерофотознімках
Вантажиться...
Дата
2022
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Обсяг роботи – 129
Кількість ілюстрацій – 68
Кількість таблиць – 29
Кількість додатків – 0
Кількість джерел за переліком посилань – 65
Актуальність теми.
Можливість виявляти нові будівлі безпосередньо з супутника зображення особливо корисні в регіонах, де кількість населення змінюється дуже швидко а також у віддалених і масштабних районах, де перепис цих нових будівель часто виконується вручну і швидко стає неактуальним. Обробка аерофотознімків також може знайти важливе застосування в оцінці будівельних пошкоджень при стихійних лихах, що дозволяє сформулювати адекватну відповідь у цільових областях. Нарешті, це може бути дуже корисним для виробників сонячних панелей, які хочуть оцінити корисну поверхню даху на певній ділянці.
Величезні об’єми зображень щодня знімаються бортовими або космічними платформами, і цей обсяг все ще зростає. Така кількість даних робить ручне опрацювання зображень дуже ресурсозатратним, отже зростає необхідність застосування нейронних мереж. Основною задачею автоматичного розпізнавання зображень є призначення семантичного класу або мітки кожному пікселю, тобто перетворення вхідних даних до семантично значущої растрової карти (яка в подальшому може підлягати додатковій обробці за допомогою, наприклад, векторизації або полігонізації). У більшості випадків анотовані дані для навчання класифікатора генеруються вручну окремо для кожного нового проекту, що є трудомістким і дорогим процесом. Мануальну анотацію потрібно повторювати кожного разу, коли змінюється завдання, географічне розташування, характеристики камери (сенсора) чи навіть погодні умови на зображенні, тому процес погано масштабується.
6
Мета і задачі дослідження. Метою даної роботи є проведення порівняльного аналізу архітектур нейронних мереж, кодувальників та метрик та наборів даних для задачі сегментації, дослідження та модифікація функції втрат глибокої згорткової нейронної мережі покращення тренування моделі а також створення, тренування та оцінка якості роботи глибокої згорткової нейронної мережі для сегментації об’єктів на супутникових або аерофотознімках.
Для досягнення вказаної мети було розв’язано такі задачі:
• проведено вичерпний порівняльний аналіз архітектур сегментаційних мереж та кодувальників;
• досліджено набори даних для сегментації будинків на аерофотознімках;
• розроблене відповідне програмне забезпечення;
• проведено експерименти та навчено низку нейронних мереж;
• досліджено вплив функцій втрат на результат роботи моделі;
• проведено кількісний та візуальний аналіз отриманих результатів на тестовій вибірці обраного набору даних;
• розроблено стартап-проєкт «Розпізнавання (сегментація) об’єктів на супутникових та аерофотознімках»
Об’єктом дослідження є технологія розпізнавання (сегментація) об’єктів на супутникових та аерофотознімках.
Предметом дослідження є методи сегментації та класифікації об’єктів на супутникових та аерофотознімках.
Методи дослідження.
Для вирішення поставленої задачі було використано наступні методи:
• методи агрегації, збору та анотації зображень;
• методи чисельної оптимізації (для оптимізації параметрів глибокої нейронної мережі);
• методи розробки програмного забезпечення (для програмної реалізації продукту);
• методи комп’ютерної графіки (для роботи з зображеннями та генерації аугментацій);
7
• методи глибокого навчання (для побудови та навчання глибокої згорткової нейронної мережі).
Наукова новизна одержаних результатів складається з таких положень:
• проведено вичерпний порівняльний аналіз архітектур нейронних мереж, кодувальників, функцій втрат та метрик та наборів даних для задачі сегментації;
• модифіковано функції втрат глибокої згорткової нейронної мережі для покращення сегментації об’єктів на супутникових та/або аерофотознімках.
Практичне значення одержаних результатів.
• для розпізнавання будинків в регіонах, де кількість населення змінюється дуже швидко а також у віддалених і масштабних районах, де перепис цих нових будівель часто виконується вручну і швидко стає неактуальним;
• для виробників сонячних панелей для оцінки корисної поверхні даху та кількості сонячного світла на певній ділянці.;
• для оцінки пошкоджень при стихійних лихах та військових конфліктах;
• наразі існує потреба оцінки пошкоджень в деокупованих регіонах (де є можливість зробити знімки з дрона) та тимчасово окупованих регінах (де наявні тільки супутникові знімки).
Опис
Ключові слова
супутникові знімки, аерофотознімки, глибока згорткова нейронна мережа, глибоке навчання, функці втрат, сегментація об’єктів
Бібліографічний опис
Снагощенко, Д. М. Розпізнавання (сегментація) об’єктів на супутникових та аерофотознімках : магістерська дис. : 151 Автоматизація та комп’ютерно-інтегровані технології / Снагощенко Діана Михайлівна. – Київ, 2022. – 129 с.