Details

Title: Методика ручной разметки спутниковых снимков земной поверхности с космического аппарата Аист-2Д // Системный анализ в проектировании и управлении: сборник научных трудов XXVI Международной научно-практической конференции, 13–14 октября 2022 года: [в 3 частях]. Ч. 2
Creators: Подмарькова Виктория Александровна; Петряева Александра Андреевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Центр Национальной технологической инициативы. Лаборатория «Промышленные системы потоковой обработки данных»
Imprint: Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2023
Collection: Общая коллекция
Subjects: Обработка изображений; разметка; экологический мониторинг; космические снимки; датасет; markup; environmental monitoring; satellite images; dataset
UDC: 004.932
Document type: Article, report
File type: PDF
Language: Russian
DOI: 10.18720/SPBPU/2/id23-105
Rights: Свободный доступ из сети Интернет (чтение, печать, копирование)
Record key: RU\SPSTU\edoc\70873

Allowed Actions: Read Download (1.3 Mb)

Group: Anonymous

Network: Internet

Annotation

Целью работы является разработка методики разметки изображений земной поверхности, полученных с космического аппарата Аист-2Д. В данной работе применены предложенные авторами статьи алгоритмы классической ручной сегментации изображений, а также вручную размечены обучающие и тестовые изображения для последующего анализа и применения в области глубоких свёрточных нейронных сетей на классе «водное пространство», включающего в себя такие объекты как «реки» и «водоёмы». Для этого использовался многофункциональный графический редактор Adobe Photoshop, в котором имеются различные инструменты быстрого выделения объектов, такие как «Волшебная палочка», «Выделение объектов» и «Быстрое выделение». Исследование подтвердило качество и точность найденных сегментов, а также прошло последующую обработку в ходе обучения глубокой свёрточной нейронной сети.

The aim of the work is to develop a methodology for marking images of the Earth’s surface obtained from the Aist-2D spacecraft. In this work, the algorithms of classical manual image segmentation proposed by the authors of the article are applied, as well as training and test images are manually marked up for subsequent analysis and application in the field of deep convolutional neural networks in the class “water space”, which includes such objects as “rivers” and “reservoirs”. To do this, a multifunctional Adobe Photoshop graphic editor was used, which has various tools for quickly selecting objects, such as “Magic Wand”, “Object Selection” and “Quick Selection”. The study confirmed the quality and accuracy of the found segments, and also underwent subsequent processing during the training of a deep convolutional neural network.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Table of Contents

  • 1
  • 24SAEC_2022_Часть_2
  • Step and repeat document 1 3

Usage statistics

stat Access count: 83
Last 30 days: 2
Detailed usage statistics