1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 06. Периодические издания
  3. Журнал "Компьютерная оптика"
Full metadata record
DC FieldValueLanguage
dc.contributor.authorБычков, И.В.
dc.contributor.authorРужников, Г.М.
dc.contributor.authorФедоров, Р.К.
dc.contributor.authorПопова, А.К.
dc.contributor.authorАвраменко, Ю.В.
dc.date2023-06
dc.date.accessioned2025-08-27T05:21:06Z-
dc.date.available2025-08-27T05:21:06Z-
dc.date.issued2023-06
dc.identifier.identifierDspace\SGAU\20230424\103221
dc.identifier.citationБычков, И.В. О классификации космических снимков Sentinel-2 нейронной сетью ResNet-50 / И.В. Бычков, Г.М. Ружников, Р.К. Федоров, А.К. Попова, Ю.В. Авраменко // Компьютерная оптика. – 2023. – Т. 47, № 3. – С. 474-481. – DOI: 10.18287/2412-6179-CO-1216.
dc.identifier.urihttps://dx.doi.org/10.18287/2412-6179-CO-1216
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/22971-
dc.description.abstractВ работе исследовано изменение точности классификации спутниковых изображений при различных комбинациях параметров нейронной сети и набора входных данных. Проведено добавление к обучающей выборке индекса NDVI и локальных бинарных шаблонов. Выполнено тестирование классификаторов, созданных на разных количествах эпох и образцах. Определены значения гиперпараметров нейронной сети, позволяющие достичь точности классификации 0,70 и F-меры 0,65. Разделение классов с похожими спектральными характеристиками показывает низкое качество при различных параметрах и наборах входных данных. Для улучшения требуется привлечение дополнительной информации. Например, для разделения лесов на подклассы необходимо применение классификаторов, использующих изображения за разные периоды года, учитывающих вегетационный период. Кроме того, необходимо расширение обучающей выборки для учета различных природных зон, почв и т.д.
dc.description.sponsorshipРабота выполнена в рамках гранта № 075-15-2020-787 Министерства науки и высшего образования РФ на выполнение крупного научного проекта по приоритетным направлениям научно-технологического развития (проект «Фундаментальные основы, методы и технологии цифрового мониторинга и прогнозирования экологической обстановки Байкальской природной территории»).
dc.languagerus
dc.publisherСамарский национальный исследовательский университет
dc.relation.ispartofseries47;3
dc.titleО классификации космических снимков Sentinel-2 нейронной сетью ResNet-50
dc.title.alternativeOn classification of Sentinel-2 satellite images by a neural network ResNet-50
dc.typeArticle
dc.identifier.scsti28.23.15
local.identifier.oldurihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/O-klassifikacii-kosmicheskih-snimkov-Sentinel2-neironnoi-setu-ResNet50-103221
local.identifier.oldurihttp://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/O-klassifikacii-kosmicheskih-snimkov-Sentinel2-neironnoi-setu-ResNet50-103221
Appears in Collections:Журнал "Компьютерная оптика"

Files in This Item:
File Description SizeFormat 
2412-6179_2023_47_3_474-481.pdfОсновная статья810.23 kBAdobe PDFView/Open
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.