Таблица | Карточка | RUSMARC | |
Разрешенные действия: Прочитать Загрузить (0,7 Мб) Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
В данной работе рассмотрена проблема экологического мониторинга с помощью космических снимков разной точности на примере использования машинного обучения — нейронных сетей для распознавания разных классов объектов и мониторинга состояния окружающей среды. Многие локальные и глобальные экологические проблемы могут быть выявлены с использованием спутниковых снимков разной детальности: высокого и низкого разрешения. Снимки высокого разрешения используют для мониторинга локальных проблем, например зоны вырубки вблизи городов, а низкого разрешения — для большего охвата территории, например зоны пожаров. В рамках исследования были проанализированы статьи базы научных публикаций Scopus. Результаты данного исследования могут быть использованы руководителями подразделений при подборе инструмента моделирования для решения задач сегментирования и классификации отдельных участков, учитывая разные классы, задачи и отрасли.
In this paper, the problem of environmental monitoring using space images of different accuracy is considered on the example of using machine learning — neural networks for recognizing different classes of objects and monitoring the state of the environment. Many local and global environmental problems can be identified using satellite images of different detail: high and low resolution. High-resolution images are used to monitor local problems, for example, clear-cut areas near cities, and low-resolution images are used to cover a larger area, for example, fire zones. As part of the study, articles from the Scopus database of scientific publications were analyzed. The results of this study can be used by department heads when selecting a modeling tool to solve the problems of segmenting and classifying individual sections, taking into account different classes, tasks and industries.
Права на использование объекта хранения
Оглавление
- 1
- 24SAEC_2022_Часть_2
- Step and repeat document 1 3
Статистика использования
Количество обращений: 86
За последние 30 дней: 9 Подробная статистика |