Отрывок: References [1] Xue J, Su B. Significant remote sensing vegetation indices: A review of developments and applications. J Sens 2017; 2017: 1353691. DOI: 1...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Фирсов, Н.А. | - |
dc.contributor.author | Подлипнов, В.В. | - |
dc.contributor.author | Ивлиев, Н.А. | - |
dc.contributor.author | Рыськова, Д.Д. | - |
dc.contributor.author | Музыка, А.А. | - |
dc.contributor.author | Макаров, А.Р. | - |
dc.contributor.author | Платонов, В.И. | - |
dc.contributor.author | Бабичев, А.Н. | - |
dc.contributor.author | Ольгаренко, В.И. | - |
dc.contributor.author | Николаев, П.П. | - |
dc.contributor.author | Скиданов, Р.В. | - |
dc.contributor.author | Никоноров, А.В. | - |
dc.contributor.author | Казанский, Н.Л. | - |
dc.contributor.author | Монастырский, В.А. | - |
dc.contributor.author | Сойфер, В.А. | - |
dc.contributor.author | Пирогов, А.В. | - |
dc.contributor.author | Лобанов, В.Е. | - |
dc.date.accessioned | 2024-03-19 10:43:47 | - |
dc.date.available | 2024-03-19 10:43:47 | - |
dc.date.issued | 2023-09 | - |
dc.identifier | Dspace\SGAU\20240315\109029 | ru |
dc.identifier.citation | Фирсов, Н.А. Ансамбли спектрально-пространственных сверточных нейросетевых моделей для задачи классификации типов почв на гиперспектральных изображениях / Н.А. Фирсов, В.В. Подлипнов, Н.А. Ивлиев, Д.Д. Рыськова, А.В. Пирогов, А.А. Музыка, А.Р. Макаров, В.Е. Лобанов, В.И. Платонов, А.Н. Бабичев, В.А. Монастырский, В.И. Ольгаренко, П.П. Николаев, Р.В. Скиданов, А.В. Никоноров, Н.Л. Казанский, В.А. Сойфер // Компьютерная оптика. – 2023. – Т. 47, № 5. – С. 795-805. – DOI: 10.18287/2412-6179-CO-1260. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-1260 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Ansambli-spektralnoprostranstvennyh-svertochnyh-neirosetevyh-modelei-dlya-zadachi-klassifikacii-tipov-pochv-na-giperspektralnyh-izobrazheniyah-109029 | - |
dc.description.abstract | В работе представлено исследование различных подходов к классификации почвенных покровов на основе нейросетевых алгоритмов по данным гиперспектрального дистанционного и проксимального зондирования Земли. Спектральные распределения при этом регистрировались в лабораторных условиях с использованием изображающего сканирующего гиперспектрометра на основе схемы Оффнера. Экспериментально исследованы пространственно-спектральные признаки девяти проб почв с различных участков фермерского хозяйства на территории Самарской области. С помощью метода энергодисперсионного микроанализа установлено соответствие гиперспектральных данных и химического состава взятых проб. На основе полученных данных реализована нейросетевая классификация образцов почв в зависимости от содержания в них таких элементов, как углерод и кальций. В качестве классификатора использовалась нормализованная спектрально-пространственная сверточная нейронная сеть. Авторами предложен подход к классификации гиперспектральных изображений высокого разрешения, основанный на уточнении мультиклассовой сверточной нейронной сети с помощью ансамбля бинарных классификаторов. Показано, что классификация образцов почв по содержанию углерода и кальция осуществляется с точностью 0,96. | ru |
dc.description.sponsorship | Работа выполнена в рамках Государственного задания ФНИЦ «Кристаллография и фотоника» РАН (в экспериментальной части), исследования, выполненные методом гиперспектральной съемки, проведены при финансовой поддержке Министерства науки и высшего образования Российской Федерации в рамках НИР лаборатории «Фотоника для умного дома и умного города» (Государственный контракт с Самарским университетом) (проект FSSS-2021-0016), теоретическая часть выполнена при поддержке гранта РНФ № 20-69-47110. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 47;5 | - |
dc.subject | гиперспектральные изображения | ru |
dc.subject | гиперспектральное зондирование | ru |
dc.subject | проксимальное зондирование | ru |
dc.subject | сверточные нейронные сети | ru |
dc.subject | спектрально-пространственная классификация | ru |
dc.subject | почвенная картография | ru |
dc.title | Ансамбли спектрально-пространственных сверточных нейросетевых моделей для задачи классификации типов почв на гиперспектральных изображениях | ru |
dc.title.alternative | Ensembles of spectral-spatial convolutional neural network models for classifying soil types in hyperspectral images | ru |
dc.type | Article | ru |
dc.textpart | References [1] Xue J, Su B. Significant remote sensing vegetation indices: A review of developments and applications. J Sens 2017; 2017: 1353691. DOI: 1... | - |
dc.classindex.scsti | 28.23.37 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2023_47_5_795-805.pdf | 3.79 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.