СРАВНИТЕЛЬНЫЙ АНАЛИЗ ИСПОЛЬЗОВАНИЯ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ ДЛЯ СЕГМЕНТАЦИИ ОБЪЕКТОВ НА СПУТНИКОВЫХ СНИМКАХ

В данной статье представлены результаты исследования работы трех различных архитектур сверточных нейронных сетей для обнаружения объектов трех классов: «водные ресурсы», «лес», «сельское хозяйство» на спутниковых снимках из набора изображений DSTL, Landsat-8 и PlanetScope на базе RGB каналов данных. Для анализа точности работы алгоритмов, полученные результаты были сопоставлены с областями, ранее размеченными экспертами. Сегментация спутниковых снимков находит свое применение в области градостроительства, для моделирования климата и т.д. В рамках данной работы достигнута 96.9% точность сегментации класса «сельское хозяйство» на базе U-Net архитектуры нейронной сети.

COMPARATIVE ANALYSIS OF NEURAL NETWORK ALGORITHMS FOR OBJECTS SEGMENTATION ON AERIALIMAGES

The article presents the results of a comparison of three different architectures of convolutional neural networks for the detection of objects of three classes: "water", "forest", "agriculture" on aerial images from a sets DSTL, Landsat-8, and PlanetScope based on RGB channel. The results were compared with the areas which were manually marked by experts for analyzing the accuracy of the algorithms. Segmentation of satellite images is used in applications in urban planning, climate modeling, etc. As part of this work, 96.9% accuracy of segmentation class "agriculture" based on U-Net neural network architecture was achieved.