Нейросетевые алгоритмы обнаружения лесных пожаров по данным дистанционного зондирования Земли

Abstract

Данная выпускная квалификационная работа посвящена исследованию нейросетевых алгоритмов обнаружения лесных пожаров по данным дистанционного зондирования Земли. Цель работы: разработать телеграмм-бот, который должен осуществлять обработку запросов пользователя посредством инференса алгоритмов сверточных нейронных сетей для семантической сегментации спутниковых снимков с лесными пожарами. Создается выборка из 100 снимков с лесными пожарами и их сегментированными масками в разрешении 2000х2000. Проводится анализ обученных моделей Seg-Net, U-net, R2U-Net при оптимизаторах Adam, RMSProp, AdaGrad, Nadam. Реализован телеграмм-бот, который обеспечивает передачу изображений между пользователем и рассмотренными моделями. Проведен качественный анализ полученных сегментированных изображений.

This final qualification work is devoted to the study of neural network algorithms for detecting forest fires according to remote sensing data of the Earth. Purpose of the work: to develop a telegram bot that should process user requests by inferencing convolutional neural network algorithms for semantic segmentation of satellite images with forest fires. A selection of 100 images with forest fires and their segmented masks is created at a resolution of 2000x2000. The trained Seg-Net, U-net, R2U-Net models are analyzed with the Adam, RMSProp, AdaGrad, Nadam optimizers. A telegram bot has been implemented, which provides the transfer of images between the user and the considered models. A qualitative analysis of the obtained segmented images was carried out.