Как сообщает science.sm.news, группа исследователей Сколтеха запатентовала свой новый метод, который повысит скорость и точность анализа данных дистанционного зондирования Земли. В данном новом методе для обработки и сегментации спутниковых изображений должны будут использоваться нейронные сети, а также специально разработанный метод их обучения.

Исследователи Сколтеха − это доцент Евгений Бурнаев, а также научный сотрудник Алексей Артемов, с ними вместе в команде также были инженер-исследователь Алексей Боховкин и аспирант Денис Волхонский, уже смогли разработать свой новый алгоритм обучения, с помощью его нейронная сеть сможет научиться определять границы между самыми значимыми сегментами спутникового изображения, а также распознавать самые различные объекты, такие, как здания, а также дороги и лесные массивы. Результаты исследования, которые стали основой для нового патента, представлялись Евгением Бурнаевым и Алексеем Боховкиным на прошедшем международном симпозиуме по нейронным сетям (International Symposium on Neural Networks, ISNN). Их статья уже стала открыта для доступа в виде препринта на сервере arXiv.

Сегментированные карты могут находить применение в различных приложениях, включая сюда и системы экологического мониторинга, а также планирования городской застройки, кроме того, они применимы и в лесной промышленности, сельском хозяйстве и других отраслях, везде, где используется метод геопространственного анализа. «Например, мы уже можем подсчитать количество автомобилей на парковке, это нужно будет для прогноза интенсивности движения, или же измерить общую площадь сельскохозяйственных угодий. Четкое распознавание подобных границ между объектами будет крайне важно для учета самых различных изменений при обновлении карт. Эта функция сможет позволить, например, определить общее увеличение размеров мусорных полигонов или же оценить итоговый ущерб от экологических катастроф, таких, как ураганы», − рассказывает Евгений Бурнаев.

Исследователи сейчас планируют обобщить свой разработанный подход для решения новых задач многоклассовой семантической сегментации изображений.