Speaker
Description
Технология построения детальной цифровой трёхмерной модели земной поверхности, которая позволяет оперативно отслеживать существенные изменения местности, является мощным средством решения многих задач мониторинга территорий, включая задачи своевременного обнаружения опасных антропогенных и природных воздействий на окружающую среду и задачи отслеживания их последствий. С точки зрения оперативности и площади охвата территории наиболее предпочтительным источником исходных данных для построения модели местности являются данные космической спутниковой мультиспектральной стереосъёмки. Современные спутниковые системы дистанционного зондирования обеспечивают точности пространственного разрешения на уровне десятков сантиметров, что позволяет создавать модели местности соответствующей точности в составе матрицы высот, а также слоя классификации объектов и типов подстилающей поверхности.
В докладе речь пойдёт о двух ключевых задачах, на решении которых основано построение модели местности: стереосопоставление и классификация изображений. Несмотря на то, что эти задачи являются хорошо известными, их применение к спутниковым данным по-прежнему затруднено вследствие высокой вариативности типов объектов и их спектральных характеристик на изображениях земной поверхности. Будут рассмотрены алгоритмы решения этих задач: как стандартные, не теряющие актуальности благодаря независимости от набора входных данных, так и современные, основанные на обучении свёрточных нейронных сетей. Обзор и сравнение различных типов сетей будет также включать в себя наиболее перспективное направление, связанное с разработкой методов автоматической генерации архитектур сетей, оптимальных для решения конкретных прикладных задач.
