Модели, алгоритмы и программное обеспечение для семантической сегментации хвойных деревьев на снимках с беспилотных летательных аппаратов

Abstract

В работе решается задача семантической сегментации пораженных вредителями леса деревьев пихты и кедра на цифровых изображениях, полученных с БПЛА. Для этого используется ряд моделей машинного обучения: ансамблевая модель, обученная градиентным бустингом и использующая текстурные признаки Харалика, полносверточные сети U-Net, SegNet и ENet. Также в работе предлагаются две новые архитектуры, основанные на U-Net: MH-U-Net и MH-Res-U-Net. Приводится сравнение полученных моделей по точности сегментации, времени вычислений и их чувствительности к выбору гиперпараметров.

The thesis deals with the problem of semantic segmentation of Abies sibirica and Pinus sibirica trees affected by forest pests in imagery acquired with the use of UAVs. For this, a number of machine learning models are used: gradient-boosted trees using Haralick texture features, fully convolutional networks U-Net, SegNet and ENet. The thesis also proposes two new architectures based on U-Net: MH-U-Net and MH-Res-U-Net. The comparison of the models in terms of segmentation accuracy, computational performance and their sensitivity to hyperparameters is given.