Сибирский федеральный университет

Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций

Конференция: Региональные проблемы дистанционного зондирования Земли; Красноярск; Красноярск

Год издания: 2023

Ключевые слова: deep learning, Forest Doom, gray heron, neural network, prediction, uav, глубокое обучение, гибель леса, серая цапля, нейронная сеть, прогнозирование, бпла

Аннотация: В статье рассматриваются современные методы глубокого обучения для решения задач в области дистанционного зондирования Земли. Особый интерес представляет прогнозирование гибели лесных массивов по данным БПЛА, которую вызывает жизнедеятельность серой цапли. Мы представляем результаты от обучения и тестирования двух инновационных моделей нейронных сетей: U-Net и Deeplabv3+. Также нами был разработан и применен алгоритм предварительной обработки изображений. Результаты, полученные от независимой проверки нейросети имеют практическую ценность для более эффективного контроля и предотвращения гибели лесных экосистем. This article discusses modern deep learning methods for solving problems in the field of Earth Remote Sensing (ERS). Of particular interest is the prediction of forest mortality caused by gray heron activity based on UAV data. To achieve this goal, and for comparison, we present the results of training and testing two innovative neural network models: U-Net and Deeplabv3+. We also developed an image preprocessing algorithm and applied it to the original dataset. The results obtained from independent testing of the neural networks have practical value for more effective control and prevention of forest loss.

Журнал: Региональные проблемы дистанционного зондирования Земли

Номера страниц: 237-241

Место издания: Красноярск

Издатель: Сибирский федеральный университет

• Матко Е. В. (Сибирский федеральный университет)
• Сафонова А. Н. (Санкт-Петербургский электротехнический университет)

• РИНЦ (eLIBRARY.RU)