Методы сегментации лесных массивов с использованием разномасштабных аэрокосмических снимков на основе глубокого обучения
Семинар: Информационно-вычислительные технологии в задачах поддержки принятия решений
Начало заседания: 11:00
Дата выступления: 17 Ноябрь 2026
Организация: ФИЦ ИВТ (Новосибирск)
Авторы: Шатилов Данил Андреевич
Мультиспектральные оптические данные дистанционного зондирования Земли (ДЗЗ) необходимы для решения широкого спектра практических задач – от мониторинга пожарной опасности до лесотаксации. Ключевым этапом тематической обработки таких данных выступает построение площадных карт сегментации, которое до настоящего времени выполнялось на основе трудоемкой экспертной оценки. Его автоматизация средствами глубокого обучения отвечает одному из основных трендов современного ДЗЗ, однако её внедрению препятствуют два взаимосвязанных ограничения. Во-первых, робастное обучение с учителем требует очень больших размеченных выборок, тогда как разметка в ДЗЗ дорога и её доступные объёмы на порядки меньше требуемых. Во-вторых, снимки разных платформ принадлежат к разным доменам: они различаются регионом, сезоном и годом съёмки, атмосферными условиями, пространственным разрешением, радиометрическими характеристиками и числом каналов сенсоров, а также уровнем предобработки, из-за которого пиксель может означать сырой цифровой отсчёт или физический коэффициент отражения; вследствие этого при переносе весов на отличный датасет наблюдается заметное падение качества. Оба ограничения особенно остры в задачах лесной тематики — лесотаксации и мониторинге лесного фонда, где объемы разметки, как правило, сильно ограничены.
С учетом этого работа посвящена повышению устойчивости легковесных сверточных сетей к сдвигу домена при семантической сегментации мультиспектральных изображений в условиях ограниченной разметки, решаемой на примере выделения пород древостоев. Экспериментальная база включает несколько датасетов: первичная апробация выполнена на открытых RGB-данных IGN Hautes-Alpes и на размеченном участке смешанного леса в районе п. Аламбай, тогда как основная часть экспериментов проведена на двух разновременных мультиспектральных снимках территории Бронницкого лесничества [3] – «WorldView-2» (8 спектральных каналов, полная атмосферная коррекция) и «Ресурс-П» (4 канала, только радиометрическая коррекция), из каждого из которых сформировано по 81 тайлу размером 256×256 пикселей. Для компенсации сдвига домена, неизбежного при переходе между столь разнородными данными, и одновременно для стабилизации обучения при малом числе тайлов в работе использованы динамическая и статическая аугментация данных, схемы нормализации, а также предобучение энкодера несколькими методами самообучения.
Показано, что динамическая аугментация даёт статистически значимый прирост macro-IoU относительно обучения без преобразований: внутри домена наибольший вклад вносят пространственные преобразования, тогда как спектральные, формируя физически некорректные комбинации значений каналов, могут снижать точность. Наиболее резко сдвиг домена проявляется при переносе весов с «WorldView-2» на «Ресурс-П» без дообучения; в этом случае поканальная стандартизация в сочетании с интенсивными аугментациями (HSV-подобные, CutMix) и самообучением энкодера сокращает деградацию метрик до 14 %. Анализ латентных представлений методами PCA и 2D-FFT дополняет эти наблюдения: если в моделях, обучаемых с учителем, спектр представлений сосредоточен в низкочастотной области, то самообучение формирует представления с широкой частотной дисперсией и выраженными текстурными паттернами, что и объясняет его вклад в устойчивость при межплатформенном переносе. Таким образом, ориентация предлагаемой методологии на легковесные сверточные архитектуры и вычислительно дешёвые приёмы обеспечивает её применимость при ограниченных ресурсах, воспроизводимость и переносимость на данные произвольных спутниковых платформ.
Семинар будет проведен в смешанном формате. Очное заседание пройдет в конференц-зале ФИЦ ИВТ (к.513), дистанционно к семинару можно будет подключиться по ссылке https://vcs-6.ict.nsc.ru/rooms/grz-ayy-7ne/join
Для студентов и аспирантов, находящихся в Новосибирске и не имеющих причин для дистанционного подключения, очное присутствие обязательно.


