Главная – Журналы – Автометрия 2026 номер 1

Рассмотрены алгоритмы и нейросетевые модели семантической сегментации участков водной поверхности реки Амур, полученных с помощью аэрофотосъёмки. Подготовлен набор данных для обучения нейросети на основе материалов аэрофотосъёмки акватории реки Амур. Приводятся результаты исследований точности предсказания наиболее популярных моделей в области семантической сегментации, таких как UNet++, DeepLabV++, FPNet и SAM. В процессе экспериментов использованы метрики IoU (мера близости Жаккара) и Boundure IoU (оценка точности сегментации границ объектов). Проведены вычислительные эксперименты по измерению точности обученных моделей с целью выбора оптимальных параметров. В результате получено, что модель UNet++ имеет преимущество по точности сегментации со средней оценкой Boundure IoU > 0,9. Разработанные алгоритмы и обученные нейросетевые модели могут быть использованы в системах мониторинга водной поверхности реки по изображениям ортофотоплана с целью определения границ прибрежной зоны при разных уровнях воды.