Skip navigation
Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: https://libeldoc.bsuir.by/handle/123456789/55132
Название: Модель машинного обучения для обработки аэрокосмических изображений земной поверхности
Другие названия: Machine Learning Model for Processing Aerospace Images of the Earth's Surface
Авторы: Старовойтова, Т. Ф.
Старовойтов, И. А.
Ключевые слова: цифровая трансформация;аэрокосмические изображения;машинное обучение;нейронные сети;обработка данных;распознавание объектов;Python;Tensorflow
Дата публикации: 2024
Издательство: БГУИР
Описание: Старовойтова, Т. Ф. Модель машинного обучения для обработки аэрокосмических изображений земной поверхности = Machine Learning Model for Processing Aerospace Images of the Earth's Surface / Т. Ф. Старовойтова, И. А. Старовойтов // Цифровая трансформация. – 2024. – Т. 30, № 1. – С. 63–70.
Аннотация: Представлены особенности получения и обработки аэрокосмических изображений земной поверхности в контексте цифровизации для создания точных топографических карт и планов в цифровом и графическом форматах. Создана модель обработки данных на основе языка программирования Python и нейронных сетей, целью которой является улучшение распознавания объектов на аэрокосмических снимках. Методология разработки модели машинного обучения включает в себя определение целей и задач модели, выбор подходящего алгоритма обучения (в данном случае – нейронных сетей), сбор и подготовку набора данных, настройку модели и тестирование на тестовом наборе данных. Рассмотрены недостатки существующих алгоритмов обработки данных, представлен подход, позволяющий повысить эффективность распознавания и анализа данных.
Аннотация на другом языке: The article presents the specifics of acquisition and processing aerospace images of the earth's surface in the context of their digitalization for creating accurate topographic maps and plans in digital and graphic formats. A data processing model has been developed based on the Python programming language and neural networks, the purpose of which is to improve the recognition of objects in aerospace images. The methodology for creating a machine learning model includes defining the goals and objectives of the model, selecting an appropriate learning algorithm (in this case, neural networks), collecting and preparing a data set, tuning the model, and testing on a test data set. The shortcomings of existing data processing algorithms are also discussed and an approach is presented to improve the efficiency of data processing and analysis.
URI: https://libeldoc.bsuir.by/handle/123456789/55132
DOI: http://dx.doi.org/10.35596/1729-7648-2024-30-1-63-70
Располагается в коллекциях:Том 30, № 1

Файлы этого ресурса:
Файл Описание РазмерФормат 
Starovojtova_Model'.pdf881.25 kBAdobe PDFОткрыть
Показать полное описание Просмотр статистики Google Scholar

Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.