Author:
Калашников Р.А.,Пестунов И.А.,Ермаков Н.Б.,Радчиков А.Н.
Abstract
Исследуется возможность автоматического выделения и классификации осиновых и березовых насаждений на RGB-изображениях сверхвысокого пространственного разрешения, полученных с беспилотного летательного аппарата (БПЛА). Показано, что применение сверточной нейронной на основе архитектуры U-Net позволяет достичь значения индекса Жаккарда ~0,784.
The possibility of automatic selection and classification of aspen and birch plantations on ultra-high spatial resolution RGB images obtained from an unmanned aerial vehicle (UAV) is investigated. It is shown that the use of a convolutional neural network based on the U-Net architecture makes it possible to achieve the value of Jacquard index ~0,784.
Reference6 articles.
1. Санников П.Ю., Андреев Д.Н., Бузмаков С.А. Выявление и анализ сухостоя при помощи беспилотного летательного аппарата // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15, № 3. С. 103-113.
2. Onishi M., Ise T. Explainable identification and mapping of trees using UAV RGB image and deep learning // Scientific Reports. 2021. Vol. 11, No. 903.
3. Safonova A., Tabik S., Alcaraz-Segura D., Rubtsov A., Maglinets Y., Herrera F. Detection of Fir Trees (Abies sibirica) Damaged by the Bark Beetle in Unmanned Aerial Vehicle Images with Deep Learning // Remote sensing. 2019. V. 11, No. 6. 643. DOI: 10.3390/rs11060643.
4. Марков Н.Г., Маслов К.А., Керчев И.А., Токарева О.С. Модели U-Net для семантической сегментации поврежденных деревьев сосны сибирской кедровой на снимках с БПЛА // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19, № 1. С. 65- 75.
5. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. Medical Image Computing and Computer-Assisted Intervention (MICCAI) // Springer, 2015. V. 9351, pp. 234-241.