ivdon3@bk.ru
Решение проектных задач в области управления территориальными системами основано на необходимости автоматизированного анализа больших массивов геопространственных данных, в том числе, материалов космической съемки. Целью статьи является изучение и разработка эффективных методов семантической сегментации изображений, содержащих геопространственные данные. Методы и материалы. В работе изучаются и используются методы и алгоритмы увеличения точности и быстродействия работы нейронной сети архитектуры U-Net. Результаты. Проведены комплексные исследования конфигурирования сверточной нейронной сети U-Net, в частности, восстановления изображения интерполированным методом ближайшего соседа, добавление в архитектуру слоев прореживания. Выводы. Представленные подходы конфигурирования нейронной сети U-Net позволили повысить точность распознавания по метрике Жаккара на 2-3% и в 2 раза увеличить скорость работы.
Ключевые слова: искусственные нейронные сети, машинное обучение, глубокое обучение, сверточные нейронные сети, U-net, семантическая сегментация, распознавание образов, геопространственные данные