Використання глибокого навчання для виявлення пошкодженої забудови на космічних знімках

Abstract

Зростаючий інтерес до застосування обчислювальних потужностей у різних сферах життя набуває все більшої популярності. Машинне навчання, яке є важливою складовою сучасних технологій, знаходить дедалі ширше застосування у різних галузях. Особливе місце серед цих алгоритмів займає глибоке навчання, що полягає у тренуванні великих нейронних мереж на значних обсягах даних для виконання складних завдань. Завдяки своїй здатності до автоматичного виділення особливостей та побудови складних моделей, глибоке навчання знаходить широке застосування, від комп'ютерного зору до економічних прогнозів. Актуальність теми: глибоке навчання стає все більш поширеним інструментом для аналізу зображень, включаючи оцінку супутникових та аерофотознімків. Це важливо для вирішення таких прикладних задач, як моніторинг довкілля, планування міської інфраструктури, управління сільським господарством та ін. Використання глибокого навчання для виявлення пошкодженої забудови на космічних знімках демонструє значну актуальність у галузі геоінформаційних систем (ГІС). У сучасних реаліях нашої країни здатність швидко та точно оцінювати стан забудови є надзвичайно важливою для планування відновлювальних робіт та надання гуманітарної допомоги. Це підкреслює актуальність застосування глибокого навчання для швидкого аналізу даних, створення карт руйнувань та прийняття рішень. Метою дослідження є аналіз можливостей використання глибокого навчання для виявлення пошкодженої забудови на космічних знімках. Це включає в себе розробку спеціалізованої моделі глибокого навчання та оцінку її ефективності на основі реальних даних.