Մեքենայական և խոր ուսուցման մեթոդների կիրառմամբ օդատիեզերական պատկերներում օբյեկտների հայտնաբերում

Аннотация

Аэрокосмические изображения широко используются в различных областях (экологический мониторинг, градостроительство, управление чрезвычайными ситуациями и др.), однако автома­ти­ческое обнаружение объектов на изображениях остаётся сложной задачей. В данной статье рас­сматривается применение методов машинного и глубокого обучения с акцентом на их прак­ти­ческое использование и эффективность. Рассматриваются современные подходы, в част­ности мо­де­ли CNN, Mask R-CNN и Segment Anything Model (SAM). Проводится экспери­мен­таль­ный анализ с оценкой точ­ности, применимости и потенциала данных моделей для Республики Армения. Резуль­таты показы­вают, что методы глубокого обучения обеспечивают высокую точ­ность и уро­вень авто­матизации, одновременно имея определённые ограничения, связанные с шумами и проблемами обобщения.