Λεπτομέρειες βιβλιογραφικής εγγραφής
| Τίτλος: |
Training and Use of a Convolutional Neural Network for the Detection and Classification of Vehicles in Ultra-high Resolution Satellite Imagery |
| Πηγή: |
Промышленные АСУ и контроллеры. |
| Στοιχεία εκδότη: |
The Publishing House "NAUCHTEHLITIZDAT", 2019. |
| Έτος έκδοσης: |
2019 |
| Θεματικοί όροι: |
ultra high resolution, распознавание образов, transport planning, сверхвысокое разрешение, convolutional neural network, обработка изображений, satellite imagery, digital image processing, машинное обучение, image processing, транспортное планирование, сверточная нейронная сеть, machine learning, image recognition, 11. Sustainability, спутниковые снимки, цифровая обработка изображений |
| Περιγραφή: |
Статья посвящена применению сверточной нейронной сети для детектирования и классификации транспортных средств на спутниковых снимках сверхвысокого разрешения. Целью работы является разработка сверточной нейронной сети и установление параметров ее архитектуры для детектирования и классификации транспортных средств на спутниковых снимках сверхвысокого разрешения. Элементами новизны представленного решения является использование сверточной нейронной сети для задачи распознавания транспортных средств на спутниковых снимках сверхвысокого разрешения, выявление оптимальных параметров сверточной нейронной сети для решаемой задачи. Практическая значимость заключается в том, что сверточная нейронная сеть предлагаемой архитектуры с выявленными параметрами, путем использования в системе оценки транспортных потоков города, позволит улучшить фактографическое обеспечение процессов транспортного планирования и повысит качество систем управления дорожным движением. The paper focuses on the application of a convolutional neural network to detect and classify vehicles on ultrahigh resolution satellite images. The purpose of the work is to develop SNS and to establish parameters of its architecture for detection and classification of vehicles on satellite images of ultrahigh resolution. The elements of novelty of the presented solution are the use of CNN for the task of recognition of vehicles on ultrahigh resolution satellite images, identification of optimal parameters of CNN for the solved task. The practical significance is that the CNN of the proposed architecture and with the identified parameters, through the use of the city s traffic fl ow assessment system, will improve the factual support of transport planning processes and improve the quality of traffic management systems. |
| Τύπος εγγράφου: |
Article |
| Γλώσσα: |
Russian |
| ISSN: |
1561-1531 |
| DOI: |
10.25791/asu.10.2019.933 |
| Αριθμός Καταχώρησης: |
edsair.doi...........61d45e5e747de546c18e1cce2c84d639 |
| Βάση Δεδομένων: |
OpenAIRE |