Machine learning models and technology for classification of forest on satellite data

Скорочена інформація про документ
dc.contributor.authorSalii Y.
dc.contributor.authorHohol А.
dc.contributor.authorKuzin V.
dc.date.accessioned2025-04-08T09:20:49Z
dc.date.available2025-04-08T09:20:49Z
dc.date.issued2023
dc.descriptionSalii Y. Machine learning models and technology for classification of forest on satellite data / Y. Salii1, A. Hohol, V. Kuzin ; sci. advisers H. Yailymova, N. Kussul // Black Sea Science 2023 : proc. of the Intern. Competition of Student Scientific Works / Odesa National University of Technology; eds. B. Iegorov, L. Ivanchenkova, M. Mardar. – Odesa, 2023. – P. 603-618 : tabl., fig.– Ref.: 26 tit.
dc.description.abstractПроект присвячений проблемі семантичної сегментації супутника зображення для створення карти типу лісу з високою роздільною здатністю. Щоб вирішити проблему, пропонуємо 4 різні варіанти моделей машинного навчання. Два з них засновані на Random Forest і два інших - на згортковій нейронній мережі 3 U-Net. Як вхід ми використовуємо 2 зображення Sentinel-2 (один для літа і один для зими, по 4 спектральні смуги з кожного). як результат (мітки) ми використовуємо набір даних типу лісу Коперника за 2018 рік. Наші моделі показав обнадійливі результати перевірки даних. З усіх моделей закінчилася та, що базується на U-Net є найефективнішим у класифікації лісів. Після порівняння результатів ми використали найкраща модель для створення та порівняння лісових карт північної частини Київської області 2018 року та 2022 рік. Експеримент підтвердив стійкість моделі та її масштабованість. Розроблені моделі впроваджено в хмарну платформу, що спеціалізується на супутникових даних - КРЕОДІЇ. Створена карта може надати цінні дані для лісівників, біологів тощо дослідників для прийняття рішень щодо управління та збереження лісів, а також забезпечити, щоб європейські ліси управлялися екологічно стійким способом.
dc.identifier.urihttps://card-file.ontu.edu.ua/handle/123456789/30432
dc.subjectмашинне навчання
dc.subjectкласифікація типів лісу
dc.subjectSentinel-2
dc.subjectU-Net
dc.subjectнейронна мережа
dc.titleMachine learning models and technology for classification of forest on satellite data
dc.typeArticle
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Black Sea Science_2023_Salii.pdf
Розмір:
2.58 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
Black Sea Science