Распознавание сельскохозяйственной растительности на изображениях земной поверхности на основе сверточной нейронной сети U-Net

Ганченко, В. В.; Дудкин, А. А.; Шелег, С. В.

Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/43866

Title:	Распознавание сельскохозяйственной растительности на изображениях земной поверхности на основе сверточной нейронной сети U-Net
Other Titles:	Agricultural vegetation recognition on Earth’s surface images using convolutional neural network U-Net
Authors:	Ганченко, В. В. Дудкин, А. А. Шелег, С. В.
Keywords:	публикации ученых;материалы конференций;сверточные нейронные сети;семантическая сегментация;мультиспектральные изображения;convolutional neural networks;semantic segmentation;multispectral images
Issue Date:	2021
Publisher:	Бестпринт
Citation:	Ганченко, В. В. Распознавание сельскохозяйственной растительности на изображениях земной поверхности на основе сверточной нейронной сети U-Net / В. В. Ганченко, А. А. Дудкин, С. В. Шелег // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей VII Международной научно-практической конференции, Минск, 19-20 мая 2021 года / редкол.: В. А. Богуш [и др.]. – Минск : Бестпринт, 2021. – С. 110–116.
Abstract:	В данной работе рассматривается задача сегментации картофельных полей по данным аэрофотосъемки различного пространственного разрешения. В качестве основы алгоритма распознавания используется свёрточная нейронная сеть с архитектурой U-Net. Предложенный алгоритм позволяет выполнить разделение пикселей мултиспектрального изображения на два класса: «растительность» и «почва». Произведён сравнительный анализ предложенного алгоритма с другими нейросетевыми алгоритмами.
Alternative abstract:	This paper considers the task of segmenting potato fields based on aerial photography of different spatial resolution. A convolutional neural network with U-Net architecture is used as the basis of the recognition algorithm. The proposed algorithm allows separating the pixels of the image into two classes: "vegetation" and "soil." A comparative analysis of the proposed algorithm has been made with other neural network algorithms.
URI:	https://libeldoc.bsuir.by/handle/123456789/43866
ISBN:	978-985-7267-09-5
Appears in Collections:	BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2021)

Files in This Item:

File	Description	Size	Format
Ganchenko_Raspoznavaniye.pdf		1.21 MB	Adobe PDF	View/Open

Show full item record Google Scholar