Тип публикации: статья из журнала
Год издания: 2023
Идентификатор DOI: 10.23670/IRJ.2023.136.16
Ключевые слова: deforestation, Deep Neural Networks, satellite imagery, MaskFormer, Attention U-net, U-Net, вырубка леса, глубокие нейронные сети, спутниковые снимки
Аннотация: В работе показано применение глубоких нейронных сетей для обнаружения вырубок лесов по спутниковым снимкам. Использованы данные аппаратуры Sentinel-2, полученные на территории лесов Красноярского края. Для выбора модели сегментации рубок проведен сравнительный анализ производительности архитектур MaskFormer, Attention U-Net и U-NetПоказать полностью. Как показывают результаты экспериментальных исследований, именно модель MaskFormer показывает большую эффективность для выделения масок вырубки лесов со средними значениями F1 по пикселям 0.9733 и 0.9497 для каждого из двух использованных в работе наборов данных. При этом на тестовой части набора данных по метрике IoU получены значения 0.9423 для набора Siberian dataset и 0.9624 для Amazon dataset. Кроме того, эта модель показала лучшие результаты в обнаружении нелесных полигонов, что дополнительно говорит об эффективности предложенного подхода. The work demonstrates the application of deep neural networks for detection of deforestation using satellite images. Sentinel-2 data, acquired in the forests of Krasnoyarsk Krai, were used. In order to select a cutting segmentation model, a comparative performance analysis of MaskFormer, Attention U-Net and U-Net architectures was carried out. As the experimental results show, the MaskFormer model is more effective for the selection of cutting masks with average pixel F1 values of 0.9733 and 0.9497 for each of the two datasets used in this work. The IoU metric on the test portion of the dataset produced values of 0.9423 for the Siberian dataset and 0.9624 for the Amazon dataset. In addition, this model showed better results in detecting non-forest polygons, which further indicates the effectiveness of the proposed approach.
Журнал: Международный научно-исследовательский журнал
Выпуск журнала: № 10
ISSN журнала: 23039868
Место издания: Екатеринбург
Издатель: Индивидуальный предприниматель Соколова Марина Владимировна