Порiвняння методiв машинного навчання для виявлення пошкоджень на сiльськогосподарських територiях

Скорочена інформація про документ
dc.contributor.advisorЯйлимова, Ганна Олексіївна
dc.contributor.authorНестеренко, Данило Сергiйович
dc.date.accessioned2024-09-24T07:09:25Z
dc.date.available2024-09-24T07:09:25Z
dc.date.issued2024
dc.description.abstractМетою дослiдження є уточнення методiв розв’язання задачi сегментацiї кратерiв на супутникових знiмках на основi моделей машинного навчання. Об’єктом дослiдження є процес виявлення кратерiв за супутниковими знiмками. Предметом дослiдження є методи виявлення кратерiв, сформованих внаслiдок вибухiв бомб чи iнших вибухових пристроїв, з використанням сучасних технологiй обробки зображень, супутникового зондування та геоiнформацiйних систем. Пiд час дослiдження було проведено аналiз та порiвняння iснуючих методiв розв’язання задачi сегментацiї на супутникових зображеннях. Використання результатiв поставлених задач роботи можуть бути застосованi для оцiнки пошкоджень, визначення найбiльш вразливих зон для населення, тощо. Результати дослiдження показали, що модель U-Net з використанням Dice Loss виявилася найбiльш ефективною, здатною точно визначити мiсцеположення кратерiв. Також, виявлено, що моделi, навченi з використанням Dice Loss, показали кращi та стабiльнiшi результати порiвняно з моделями, навченими з використанням Focal Loss.
dc.description.abstractotherThe purpose of the study is to refine methods for solving the problem of crater segmentation on satellite images based on machine learning models. The object of research is the process of detecting craters from satellite images. The subject of the study is the methods of detecting craters formed as a result of bombings or other explosive devices using modern image processing technologies, satellite sensing and geographic information systems. The study analyzed and compared existing methods for solving the segmentation problem on satellite images. Using the results of the set tasks, the work can be applied to damage assessment, identification of the most vulnerable areas for the population, etc. The results of the study showed that the U-Net model using Dice Loss proved to be the most effective, able to accurately determine the location of craters. It was also found that the models trained using Dice Loss showed better and more stable results compared to the models trained using Focal Loss.
dc.format.extent50 c.
dc.identifier.citationНестеренко, Д. С. Порiвняння методiв машинного навчання для виявлення пошкоджень на сiльськогосподарських територiях : дипломна робота ... бакалавра : 113 Прикладна математика / Нестеренко Данило Сергiйович. - Київ, 2024. - 50 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69195
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмашинне навчання
dc.subjectU-NET
dc.subjectFPN
dc.subjectDEEPLABV3
dc.titleПорiвняння методiв машинного навчання для виявлення пошкоджень на сiльськогосподарських територiях
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Nesterenko_bakalavr.pdf
Розмір:
1018.82 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММАД)
Бакалаврські роботи