Компьютерное зрение позволяет автоматически выявлять леса, реки, здания и свалки, а затем сравнивать снимки одной территории. Такие данные дают региональным службам актуальную картину землепользования: можно оценить, сколько построено объектов, как меняется площадь лесов и где появились незаконные постройки. Для поиска самостроя алгоритм сегментирует здания на снимке, после чего их координаты сверяют с базой зарегистрированных объектов. Раньше подобная проверка могла требовать многолетних обходов и сверок.
Главная трудность, по словам старшего преподавателя Сколтеха Дмитрия Шадрина, связана не столько с алгоритмами, сколько с разнообразием данных. Модель, обученная распознавать лес на Дальнем Востоке, может хуже работать в Сибири из-за различий в составе лесов. Точность снижается и при переходе на снимки с нового спутника, даже если его сенсор похож на прежний. Поэтому модели приходится адаптировать к регионам и новым данным. Мониторинг также ограничивают облачность и период повторного пролета спутника: над одной территорией он может появляться раз в две недели, а за лето удается получить лишь несколько качественных снимков.
Для повышения детализации снимков исследователи применяют генеративные модели. Например, изображение с разрешением 10 метров на пиксель можно увеличить до 2,5 метра, а затем проверить, стал ли алгоритм точнее выделять лес и его границы. Повышение разрешения здесь рассматривают не как самоцель, а как способ улучшить результаты прикладного анализа.



.png)
Комментарии (0)
Пока нет комментариев. Будьте первым!