Применение сверточной нейронной сети U-Net и ее модификаций для сегментации тундровых озер на спутниковых оптических изображениях
И.А. АБРАМОВА1, Д.М. ДЕМЧЕВ2, Е.В. ХАРЮТКИНА2,3, Е.Н. САВЕНКОВА2,4, И.А. СУДАКОВ5
1Арктический и антарктический научно-исследовательский институт, Санкт-Петербург, Россия
calluna.mirabilis@gmail.com
2ООО «ЦНИР» - Центр исследований и разработок, Великий Новгород, Россия
demchev@gmail.com
3Институт мониторинга климатических и экологических систем СО РАН, Томск, Россия
kh_ev@mail2000
4Российский государственный гидрометеорологический университет, Санкт-Петербург, Россия
savenkova.en@mail.ru
5School of Mathematics and Statistics, The Open University, Milton Keynes, UK
sudakow.ivan@gmail.com
Ключевые слова: тундровые озера, U-Net, Арктика, дистанционное зондирование, вечная мерзлота
Страницы: 48-53
Аннотация
Тундровые озера - важный индикатор изменений климата, поэтому анализ динамики их размеров представляет особый интерес. В работе представлены результаты применения сверточной нейронной сети U-Net для сегментации тундровых озер по спутниковым оптическим изображениям на примере данных Landsat. Выполнена сравнительная оценка точности сегментации с помощью оригинальной архитектуры U-Net и ее модификаций: U-Net++, Attention U-Net и R2 U-Net, в том числе с использованием весов, полученных на основе предварительно обученной сети VGG16. Точность сегментации оценивается путем сравнения с результатами ручного картирования тундровых озер в северных районах Сибири. Обучение сетей производилось на основе 500 изображений Landsat; 250 изображений использовались в качестве тестовых. Показано, что более современные модификации U-Net не дают практически значимого выигрыша в точности сегментации, но увеличивают вычислительные затраты. Наилучший результат показывает конфигурация на основе классической реализации U-Net (средний коэффициент Жаккара IoU = 0,88). Предложенный метод и полученные оценки могут использоваться при изучении тенденций современного климата Земли.
DOI: 10.15372/AOO20240106 |
