Автоматическое обнаружение строений с помощью алгоритмов бинарной семантической сегментации

Abstract

В статье рассматриваются алгоритмы бинарной семантической сегментации для автоматического обнаружения строений на изображениях дистанционного зондирования Земли. На основе сравнительного анализа глубоких свёрточных сетей проводятся исследования для нахождения оптимальной модели сети с точки зрения скорости обучения и точности сегментации. Обучение и тестирование проводилось на изображениях Московской области, полученных из открытого картографического источника. В результате экспериментов была найдена оптимальная архитектура нейронной сети для автоматического обнаружения строений. This article presents binary segmentation algorithms for buildings automatic detection on aerial images. There were conducted experiments among deep neural networks to find the most effective model in sense of segmentation accuracy and training time. All experiments were conducted on Moscow region images that were got from open database. As the result the optimal model was found for buildings automatic detection.