Гибридный подход к классификации изображений облачности
А.И. ЕЛИЗАРОВ1, А.В. ШАЛЕЕВ1,2, И.И. ГАЛЬЦЕВ2
1Институт оптики атмосферы им. В.Е. Зуева СО РАН, Томск, Россия
alex@iao.ru
2Национальный исследовательский Томский государственный университет, Томск, Россия
sav@iao.ru
Ключевые слова: классификация изображений, текстурные характеристики, обработка изображений, нейронные сети
Страницы: 392-399
Аннотация
Рассматривается проблема классификации изображений облачности, представляющих собой сложные текстурные структуры с неоднородными характеристиками. Традиционные методы анализа изображений не всегда справляются с классификацией таких изображений, а современные технологии глубокого обучения требуют больших объемов данных и вычислительных ресурсов. Исследование фокусируется на оценке возможности разработки гибридного метода, сочетающего традиционные статистические подходы к описанию текстур и современные технологии глубокого обучения. Предполагалось, что высокоуровневые признаки, которые нейронная сеть выделяет при обучении, могут быть недостаточно чувствительны к тонким локальным различиям облачных образований. Был реализован и проанализирован гибридный подход: перед анализом нейросетью из изображений извлекались низкоуровневые текстурные характеристики. Однако результаты тестирования показали, что такая методика не только не улучшила качество классификации, но и оказалась менее эффективной по точности в сравнении с использованием необработанных изображений. Результаты работы могут быть интересны специалистам в области анализа данных дистанционного зондирования Земли, метеорологии и при разработке новых методов анализа текстурных изображений.
DOI: 10.15372/AOO20250509 |
