Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/71793
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Друки, Алексей Алексеевич | ru |
dc.contributor.author | Лешин, Олег Дмитриевич | ru |
dc.date.accessioned | 2022-06-16T10:47:07Z | - |
dc.date.available | 2022-06-16T10:47:07Z | - |
dc.date.issued | 2022 | - |
dc.identifier.citation | Лешин О. Д. Семантическая сегментация облака точек на изображениях для задач дистанционного зондирования Земли : магистерская диссертация / О. Д. Лешин ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ) ; науч. рук. А. А. Друки. — Томск, 2022. | - |
dc.identifier.uri | http://earchive.tpu.ru/handle/11683/71793 | - |
dc.description.abstract | Целью работы является реализация нейросетевой модели для семантической сегментации данных дистанционного зондирования Земли, представленных в виде облаков точек. В ходе работы была реализована нейросетевая модель основанная на модели DGCCN с использованием слоев дилатационной свертки. Численные эксперименты проводились на наборе Hessigheim 3D. В результате тестирования были получены приемлемые результаты по метрикам overall accuracy и F1. Было проведено сравнение с исходной моделью и моделью PоintNet, результат которого показал, что реализованная модель демонстрирует более высокие результаты. | ru |
dc.description.abstract | The aim of the work is to implement a neural network model for semantic segmentation of Earth remote sensing data presented in the form of point clouds. In the course of the work, a neural network model based on the DGCCN model was implemented using dilation convolution layers. Numerical experiments were carried out on the Hessigheim 3D dataset. As a result of testing, acceptable results were obtained for the overall accuracy and F1 metrics. A comparison was made with the original model and the PointNet model, the result of which showed that the implemented model demonstrates higher results. | en |
dc.format.mimetype | application/pdf | - |
dc.language.iso | ru | en |
dc.rights | info:eu-repo/semantics/openAccess | - |
dc.subject | сверточная нейронная сеть | ru |
dc.subject | облака точек | ru |
dc.subject | дилатационная свертка | ru |
dc.subject | семантическая сегментация | ru |
dc.subject | машинное обучение | ru |
dc.subject | convolutional neural network | en |
dc.subject | point clouds | en |
dc.subject | dilated convolution | en |
dc.subject | semantic segmantation | en |
dc.subject | machine learning | en |
dc.title | Семантическая сегментация облака точек на изображениях для задач дистанционного зондирования Земли | ru |
dc.type | Students work | - |
local.department | Национальный исследовательский Томский политехнический университет (ТПУ)::Инженерная школа информационных технологий и робототехники (ИШИТР)::Отделение информационных технологий (ОИТ) | - |
local.institut | 7950 | - |
local.localtype | Студенческая работа | - |
dc.subject.oksvnk | 09.04.01 | - |
local.thesis.level | Магистр | ru |
local.thesis.discipline | Информатика и вычислительная техника | - |
local.local-vkr-id | 1181346 | - |
local.vkr-id | 49906 | - |
local.stud-group | 8ВМ03 | - |
local.lichnost-id | 174891 | - |
local.thesis.level-id | 3 | - |
local.tutor-lichnost-id | 4400 | - |
dc.subject.udc | 004.932.1:528.8 | - |
Располагается в коллекциях: | Магистерские диссертации |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU1369559.pdf | 2,35 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.