Искусственные нейронные сети в настоящее время переживают свое второе рождение. Свёрточные нейронные сети (СНС) все чаще используют для задач распознавания и классификации объектов на изображениях дистанционного зондирования Земли (ДЗЗ), при этом по точности и скорости работы СНС значительно превосходят классические методы машинного обучения. Однако, СНС и методики формирования контрольной выборки на изображениях ДЗЗ зачастую обладают избыточной вычислительной сложностью и требуют адаптации для решения задач, рассматриваемых в диссертационном исследовании: классификация категорий повреждения деревьев, сегментация и построение пиксельных масок объекта на изображениях сверхвысокого пространственного разрешения в условиях малых выборок.

Доклад посвящен разработке методов машинного обучения при обработке изображений сверхвысокого пространственного разрешения в условиях малых выборок по искусственно увеличенным данным на примере задач сегментации, классификации и категоризации характера повреждения растительности.

Ссылка на диссертацию: http://research.sfu-kras.ru/node/13609