ПРИМЕНЕНИЕ СКВОЗНЫХ ТЕХНОЛОГИЙ ДЛЯ РЫНКА АЭРОНЕТ
ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ ЗЕМЛИ
ВЛАДИМИР ГЕРШЕНЗОН
РУКОВОДИТЕЛЬ НАПРАВЛЕНИЯ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ И МОНИТОРИНГА АЭРОНЕТ НТИ
БОЛЬШИЕ ДАННЫЕ И НЕЙРОСЕТЕВАЯ ОБРАБОТКА
Изображения Земли из космоса — это большие данные. Работа с ними часто вызывала сложности у пользователей ГИС, которые были связаны с огромным объемом данных и недостаточными темпами сбора изображений. Не так давно, благодаря новым облачным вычислительным архитектурам, а также новым возможностям программного обеспечения ГИС, появились системы, способные в полной мере использовать огромный потенциал изображений. Сегодня петабайты наблюдений, измерений собираются, загружаются и задействуются в работе в виде изображений в ГИС-системах по всему миру. Новые принципы веб-ГИС-технологий позволяют работать с географической информацией, вместе со всеми другими географическими слоями, используя онлайн, облачную платформу.
иНСТРУМЕНТЫ АНАЛИЗА СПУТНИКОВЫХ СНИМКОВ
Для обработки и глубокого анализа спутниковых снимков, создания производных продуктов на основе данных дистанционного зондирования Земли используется различное программное обеспечение. В частности, для операции с изображениями используются нейронные сети. Помимо других задач, решаемых с помощью нейросетей, они помогают распознавать объекты на изображениях.
ПРИМЕРНЫЙ АЛГОРИТМ РАБОТЫ
Подготовка образцов для обучения с целью проверки качества нейронной сети
Спутниковые снимки предварительно обрабатываются с применением алгоритмов машинного распознавания образов
Проверка на примере спутниковых изображений для распознавания и сегментирования объектов по типам. Например, строения, фермерские угодья и т. п.
Объекты распознаются, выполняется их моделирование на основе методов выделения контуров изображений
По распознанным объектам рассчитываются геостатистические данные. Например, количество и площадь выявленных угодий и строений
СИНТЕЗ СНИМКОВ
Группа исследователей из Университета Калифорнии в Мерседе под руководством Шона Ньюсэма (Shawn Newsam) предположила, что снимки с уровня Земли можно синтезировать искусственно на основе снимков той же местности, сделанных с орбиты. Для этого исследователи выбрали генеративно-состязательную нейросеть на основе сверточных нейросетей, состоящую из двух основных элементов — генератора и дискриминатора.
Генератор получает в качестве исходных данных вектор, созданный из небольшого фрагмента спутникового снимка, и дополнительный случайный вектор. После этого он создает на основе исходных данных изображение, которое отдается на проверку дискриминатору. Тот сравнивает это изображение с настоящими фотографиями из датасета, сделанными с уровня Земли, и определяет, настоящее оно или сгенерированное нейросетью. В результате обе сети постепенно обучаются — генератор, получая оценку от дискриминатора, начинает создавать все более правдоподобные изображения, а дискриминатор учится точнее распознавать синтетические изображения.
#аэронет #искусственныйинтеллект #дистанционноезондированиеземли #спутниковыеснимки #анализспутниковыхснимков #анализизображений
Больше лонгридов и заданий доступны при записи на курс
Находясь на сайте, вы даете согласие на обработку файлов cookie. Это необходимо для более стабильной работы сайта
Понятно
Close