Применение свёрточных нейронных сетей при дешифрировании спутниковых данных для решения отдельных лесохозяйственных задач: аналитический обзор
Year: 2025
Type: article
Abstract: Представлены общие сведения о принципах работы, структуре и основных видах свёрточных нейронных сетей (СНС), об их обучении и оптимизации. Показаны основные метрики, используемые для оценки интерпретации результатов работы моделей СНС. Описаны наиболее распространённые архитектуры свёрточных нейронных сетей применительно к решению практических задач по классификации и сегментации изображений, обнаружению объектов. Приведены примеры использования свёрточных нейронных сетей для дешифрирования данных дистанционного зондирования Земли при решении практических задач по оценке изменений лесного покрова, лесотаксационных показателей и состояния насаждений при воздействии различных факторов. The article presents general information about the principles of operation, structure and main types of convolutional neural networks (CNN), their training and optimization. The main metrics used to evaluate the interpretation of the results of CNN models are shown. The most common architectures of convolutional neural networks are described as applied to solving practical problems of image classification and segmentation, object detection. Examples of using convolutional neural networks to decipher Earth remote sensing data in solving practical problems of assessing changes in forest cover, forest taxation indicators and the state of stands under the influence of various factors are given.
Source: Lesohozâjstvennaâ informaciâ
Language: Russian
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
SDG: Life on land
Open Access status: bronze
OpenAlex ID: W4417536351