МЕТОДЫ ГЛУБОКО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ГИБЕЛИ ЛЕСА ВСЛЕДСТВИЕ ЖИЗНЕДЕЯТЕЛЬНОСТИ СЕРОЙ ЦАПЛИ (ARDEA CINEREA), ПО ДАННЫМ БПЛА : доклад, тезисы доклада
доклад, тезисы доклада, статья из сборника материалов конференций
Библиографическое описание:МЕТОДЫ ГЛУБОКО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ГИБЕЛИ ЛЕСА ВСЛЕДСТВИЕ ЖИЗНЕДЕЯТЕЛЬНОСТИ СЕРОЙ ЦАПЛИ (ARDEA CINEREA), ПО ДАННЫМ БПЛА : доклад, тезисы доклада / Е. В. Матко, А. Н. Сафонова. - [Б. м. : б. и.], 2023. - Текст : непосредственный // Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2023) : сборник трудов всероссийской конференции с международным участием / Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2023) (2023 ; 22.08 - 25.08 ; Бердск). - Новосибирск : Федеральное государственное бюджетное научное учреждение "Федеральный исследовательский центр информационных и вычислительных технологий", 2023. - С. 104-109. - ISBN 9785905569234, DOI 10.25743/sdm.2023.15.77.018. Перевод заглавия: DEEP LEARNING FOR FOREST DEATH PREDICTION BASED ON GRAY HERON (ARDEA CINEREA) ACTIVITY USING UAV DATA
Аннотация:Одним из широко используемых методов для решения различного рода задач в области дистанционного зондирования Земли (ДЗЗ) являются технологии глубокого обучения. В качестве сравнения, в работе представлено две модели нейронных сетей для прогнозирования гибели леса вследствие жизнедеятельности серой цапли по данным Беспилотного летательного аппарата (БПЛА). Для эксперимента был подловлен уникальный набор изображений, разработан алгоритм предварительной обработки изображений, а также проведено сравнительное обучение и тестирование нейронных сетей U-Net и Deeplabv3+.
One of the most widely used methods for solving various types of remote sensing tasks is deep learning technologies. As a comparison, the paper presents two neural network models for predicting the death of a forest by the life of the gray heron according to UAV data. For the experiment, a unique set of images was captured, an image preprocessing algorithm was developed, and comparative training and testing of the U-Net and Deeplabv3+ neural networks were performed.
Издательство:Федеральное государственное бюджетное научное учреждение "Федеральный исследовательский центр информационных и вычислительных технологий, Новосибирск
Номера страниц:104-109
Держатель оригинала документа:Институт космических и информационных технологий, Санкт-Петербургский электротехнический университет «ЛЭТИ», Сибирский федеральный университет
Мероприятие:Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2023) (Бердск, 2023 ; 22.08 - 25.08)
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
