Полковников А.А., Кочеткова А.И., Брызгалина Е.С., Катунов Д.А. Разработка системы компьютерного зрения средствами машинного обучения для оценки зарастания высшей водной растительностью Цимлянского водохранилища
Рейтинг:
/ 0
- Подробности
- Просмотров: 39
DOI: https://doi.org/10.15688/mpcm.jvolsu.2025.2.5
Александр Александрович Полковников
Кандидат физико-математических наук, доцент кафедры инженерно-математических и естественно-научных дисциплин, Волжский филиал Волгоградского государственного университета
Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
ул. 40 лет Победы, 11, 404133 г. Волжский, Российская Федерация
Анна Игоревна Кочеткова
Кандидат биологических наук, доцент кафедры инженерно-математических и естественно-научных дисциплин, Волжский филиал Волгоградского государственного университета
Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
ул. 40 лет Победы, 11, 404133 г. Волжский, Российская Федерация
Елена Сергеевна Брызгалина
Старший преподаватель кафедры инженерно-математических и естественно-научных дисциплин, Волжский филиал Волгоградского государственного университета
Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.
ул. 40 лет Победы, 11, 404133 г. Волжский, Российская Федерация
Дмитрий Александрович Катунов
Преподаватель Университетского колледжа, Волжский филиал Волгоградского государственного университета
ул. 40 лет Победы, 11, 404133 г. Волжский, Российская Федерация
Аннотация. Моделирование процесса зарастания мелководий высшей водной растительностью имеет важное практическое значение для рыбохозяйственной отрасли нашей страны и является неотъемлемой частью мониторинга водных объектов. В статье представлены результаты разработки системы компьютерного зрения средствами машинного обучения на базе архитектур SegNet и U-Net для оценки зарастания высшей водной растительностью Цимлянского водохранилища. Для обучения и тестирования моделей применялся набор данных, состоящий из 200 пар снимков Landsat, охватывающих 24 различных участка Цимлянского водохранилища за разные годы, а также соответствующих им разметок зарастания. Процесс обучения SegNet продолжался в течение 50 эпох, U-Net обучалась в течение 30 эпох. Каждая эпоха обучения включала итерации по обучающим данным, вычисление функции потерь, обратное распространение градиентов и обновление весов с использованием оптимизатора. После каждой эпохи производилась валидация модели на валидационной выборке для оценки ее производительности. Точность модели SegNet составила 0,869, U-Net – 0,881. Для оценки качества сегментации зарастания на тестовой выборке были измерены коэффициенты Жаккара (IoU). Модель U-Net показала IoU на уровне 0,665, у SegNet этот показатель составил 0,633.
Ключевые слова: имитационное моделирование, модели эвакуации при наводнениях, оптимизация эвакуационного расписания, Волго-Ахтубинская пойма, гидрограф.
Произведение «Разработка системы компьютерного зрения средствами машинного обучения для оценки зарастания высшей водной растительностью Цимлянского водохранилища», созданное авторами по имени Полковников А.А., Кочеткова А.И., Брызгалина Е.С., Катунов Д.А. публикуется на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Цитата: Математическая физика и компьютерное моделирование. Том 28 № 2 2025, с. 51-61
 polkovnikov.pdfURL: https://mp.jvolsu.com/index.php/ru/component/attachments/download/1243 | 18 Скачивания |