Двадцать первая международная конференция "СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
XXI.A.136
Классификация лесных массивов на спутниковых снимках с помощью нейронных сетей и метода максимизации взаимной информации.
Мацейко А. В. (1), Батмаев В.Б. (2), Харук И.В. (1), Федотова Е.В. (3)
(1) Институт ядерных исследований Российской академии наук, Москва, Россия
(2) Московский физико-технический институт (государственный университет), Долгопрудный, Россия
(3) Институт леса им. В. Н. Сукачева СО РАН, Красноярск, Россия
Мониторинг состояния лесных покровов является одной из актуальнейших задач дистанционного зондирования Земли. Нейронные сети хорошо подходят для анализа соответствующих спутниковых снимков, поскольку способны распознавать сложные паттерны в данных. В данной работе, с помощью метода максимизации взаимной информации (Invariant Information Clustering[1]), на неразмеченных снимках спутников Landsat нейронная сеть была обучена распознавать различные типы лесных массивов. После обучения модели, интерпретация распознаваемых ею классов остается неизменной для любого из снимков, что выгодно отличает данный подход от, например, метода k средних. В докладе будет представлена реализация этого алгоритма и, на примере различных снимков лесов РФ, будет показано, что достигается хорошая точность классификации и интерпретируемость классов.
Ключевые слова: дистанционное зондирование Земли, нейронные сети, машинное обучение без учителя, лесные массивы, сегментация снимков, Landsat
Литература:
- [1] Xu Ji, João F. Henriques, Andrea Vedaldi, Invariant Information Clustering for Unsupervised Image Classification and Segmentation, Proceedings of the IEEE international conference on computer vision (2019).
Презентация доклада
Методы и алгоритмы обработки спутниковых данных
38