Машинное обучение, нейронные сети

Апробация нейросетевых моделей при решении проектно-ориентированных задач анализа земель

Е. О. Ладанова, В. В. Никулин

Национальный исследовательский Мордовский государственный университет им. Н.П. Огарёва, Саранск, Россия

Аннотация: В статье рассматривается применение методов машинного обучения, в частности сверточных нейронных сетей, для анализа изменений земельных участков на основе космических снимков. Актуальность работы обусловлена необходимостью эффективного мониторинга природных ресурсов и изменения использования земель в условиях растущей урбанизации и климатических изменений. Представлены различные архитектуры нейронных сетей, такие как U-Net, ResNet и сиамские сети, а также их комбинация с механизмом внимания. Описаны их преимущества и недостатки в контексте задачи детекции изменений. Основное внимание уделяется разработке новой архитектуры на основе сиамских сетей с механизмом внимания, которая позволяет повышать точность анализа, акцентируя внимание на ключевых признаках. Подчеркнута значимость использования методов машинного обучения для анализа геопространственных данных, открывающего новые возможности для мониторинга изменений и эффективного управления природными ресурсами.

Ключевые слова: машинное обучение, сверточные нейронные сети, анализ космических снимков, детекция изменений, сиамские сети, механизм внимания.

DOI: 10.14357/20718594250205

Реферативные базы данных:

•