Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки
В данной работе рассматривается задача распознавания состояния сельскохозяйственной раститель-ности по данным аэрофотосъемки различного пространственного разрешения. В качестве основы для рас-познавания используется классификатор, позволяющий осуществлять классификацию входного изображе-ния на три к...
Saved in:
| Published in: | Штучний інтелект |
|---|---|
| Date: | 2018 |
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2018
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/162449 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки / В.В. Ганченко, А.А. Дудкин // Штучний інтелект. — 2018. — № 3 (81). — С. 103-110. — Бібліогр.: 22 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862591353024675840 |
|---|---|
| author | Ганченко, В.В. Дудкин, А.А. |
| author_facet | Ганченко, В.В. Дудкин, А.А. |
| citation_txt | Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки / В.В. Ганченко, А.А. Дудкин // Штучний інтелект. — 2018. — № 3 (81). — С. 103-110. — Бібліогр.: 22 назв. — рос. |
| collection | DSpace DC |
| container_title | Штучний інтелект |
| description | В данной работе рассматривается задача распознавания состояния сельскохозяйственной раститель-ности по данным аэрофотосъемки различного пространственного разрешения. В качестве основы для рас-познавания используется классификатор, позволяющий осуществлять классификацию входного изображе-ния на три класса: «здоровая растительность», «пораженная растительность» и «почва». Предложенный классификатор строится из двух сверточных нейронных сетей, позволяющих выполнять классификацию на два класса: «здоровая растительность» и «пораженная растительность», «растительность» и «почва».
In the article a recognition task of agricultural vegetation using aerial images of different spatial resolution is considered. An image classifier is proposed that allows classifying image segments into three classes: “healthy vegeta-tion”, “diseased vegetation” and “soil”. This classifier is implemented by two convolution neural networks that previ-ously form two classes of vegetation state: “healthy vegetation”-“diseased vegetation” and “vegetation”-“soil”.
|
| first_indexed | 2025-11-27T07:34:10Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-162449 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-11-27T07:34:10Z |
| publishDate | 2018 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Ганченко, В.В. Дудкин, А.А. 2020-01-08T19:50:56Z 2020-01-08T19:50:56Z 2018 Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки / В.В. Ганченко, А.А. Дудкин // Штучний інтелект. — 2018. — № 3 (81). — С. 103-110. — Бібліогр.: 22 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/162449 004.93'1 В данной работе рассматривается задача распознавания состояния сельскохозяйственной раститель-ности по данным аэрофотосъемки различного пространственного разрешения. В качестве основы для рас-познавания используется классификатор, позволяющий осуществлять классификацию входного изображе-ния на три класса: «здоровая растительность», «пораженная растительность» и «почва». Предложенный классификатор строится из двух сверточных нейронных сетей, позволяющих выполнять классификацию на два класса: «здоровая растительность» и «пораженная растительность», «растительность» и «почва». In the article a recognition task of agricultural vegetation using aerial images of different spatial resolution is considered. An image classifier is proposed that allows classifying image segments into three classes: “healthy vegeta-tion”, “diseased vegetation” and “soil”. This classifier is implemented by two convolution neural networks that previ-ously form two classes of vegetation state: “healthy vegetation”-“diseased vegetation” and “vegetation”-“soil”. ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Прикладні інтелектуальні технології та системи Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки Convolutional neural networks in tasks of agricultural vegetation state monitoring on aerial images Article published earlier |
| spellingShingle | Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки Ганченко, В.В. Дудкин, А.А. Прикладні інтелектуальні технології та системи |
| title | Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки |
| title_alt | Convolutional neural networks in tasks of agricultural vegetation state monitoring on aerial images |
| title_full | Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки |
| title_fullStr | Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки |
| title_full_unstemmed | Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки |
| title_short | Сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки |
| title_sort | сверточные нейронные сети в задачах мониторинга состояния сельскохозяйственной растительности по данным аэрофотосъемки |
| topic | Прикладні інтелектуальні технології та системи |
| topic_facet | Прикладні інтелектуальні технології та системи |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/162449 |
| work_keys_str_mv | AT gančenkovv svertočnyeneironnyesetivzadačahmonitoringasostoâniâselʹskohozâistvennoirastitelʹnostipodannymaérofotosʺemki AT dudkinaa svertočnyeneironnyesetivzadačahmonitoringasostoâniâselʹskohozâistvennoirastitelʹnostipodannymaérofotosʺemki AT gančenkovv convolutionalneuralnetworksintasksofagriculturalvegetationstatemonitoringonaerialimages AT dudkinaa convolutionalneuralnetworksintasksofagriculturalvegetationstatemonitoringonaerialimages |