Нейросетевые технологии поиска целевых объектов на снимках дистанционного зондирования Земли

Abstract

В работе решены многоклассовая и одноклассовая задачи поиска и классификации целевых объектов на снимках дистанционного зондирования Земли. Для повышения эффективности распознавания разработаны инструменты подготовки обучающих выборок, оптимального конфигурирования и применения нейронных сетей глубокого обучения с использованием технологий высокопроизводительных вычислений. Выполнен сравнительный анализ полученных результатов. In the paper multi-class and single-class problems of searching and classifying target objects in remote sensing images of the Earth are solved. To improve recognition efficiency, tools have been developed for preparing training samples, optimal configuration, and using deep learning neural networks using high-performance computing technologies. A comparative analysis of the results performed.