Меню
Главная
Авторизация/Регистрация
 
Главная arrow Информатика arrow Автоматическая сегментация спутниковых снимков на базе модифицированной сверточной нейронной сети UNET

Экспериментальные результаты

Результаты работы алгоритма проверялись на Leaderboard (доске лидеров) системы Kaggle. Лучшие результаты для полученных моделей по классам приведены в таблице 7. На базе изображений, для которых участникам неизвестна реальная разметка система автоматически подсчитывает коэффициент Жаккара.

Таблица №5

Коэффициент Жаккара сегментации для различных классов на публичном и приватном наборе изображений

Класс

Локальный рейтинг на валидации (если есть)

Публичный рейтинг, 85 изображений

Приватный рейтинг, 344 изображения

1 (Здания)

0.68305

0.7832

0.6201

2 (Структуры)

0.20900

0.1932

0.2226

3 (Дороги)

0.54451

0.7744

0.4320

4 (Треки)

0.40597

0.3865

0.4214

5 (Деревья)

0.55900

0.4931

0.6063

6 (Поля)

0.75785

0.8103

0.8135

7 (Быстрая вода)

0.56378

0.9681

0.8996

8 (Медленная вода)

-

0.4708

0.2077

9 (Большие машины)

-

0.2113

0.0757

10 (Автомобили и мото)

0.07003

0.0321

0.0439

Далее приведён пример сегментации на одном из тренировочных изображений, которое использовалось для валидации моделей. На рис.13 - оригинальное изображение, построенное из 3 каналов (RGB), на рис.14 - реальная разметка, подготовленная человеком, а на рис.15 - разметка, полученная нашим набором моделей.

Одно из тренировочных изображений

Рис.13. - Одно из тренировочных изображений

Разметка, подготовленная авторами набора данных

Рис.14. - Разметка, подготовленная авторами набора данных

Разметка, предсказанная нашей моделью

Рис.15. - Разметка, предсказанная нашей моделью

На рис.16 и 17 показано предсказание на одном из тестовых снимков (для которых нет тренировочной разметки). На рис.18-20 приведены фрагменты сегментации в масштабе 1 к 1, соответственно оригинал картинки, тренировочная разметка и разметка, полученная нашей моделью.

Оригинал снимка из тестового набора (в RGB)

Рис.16. - Оригинал снимка из тестового набора (в RGB)

Разметка, полученная для тестового снимка с помощью нашей модели

Рис.17. - Разметка, полученная для тестового снимка с помощью нашей модели

Часть тренировочной картинки в масштабе 1 к 1

Рис.18. - Часть тренировочной картинки в масштабе 1 к 1

Рис. 19. - Разметка, предоставленная вместе с тренировочными данными

Предсказанная разметка в масштабе 1 к 1

Рис. 20. - Предсказанная разметка в масштабе 1 к 1

Более подробно процесс обучения нейронной сети можно посмотреть на видео [17], которое мы подготовили по лог файлам обучения (к сожалению, в видео использовались не самые последние версии моделей и их точность несколько ниже). Во втором видео проведено детальное сравнение сегментации по разным классам [18]. Сеть ZF_UNET_224 для библиотеки Keras опубликована под свободной лицензией на GitHUB [19].

 
Если Вы заметили ошибку в тексте выделите слово и нажмите Shift + Enter
< Предыдущая   СОДЕРЖАНИЕ   Следующая >
 
Предметы
Агропромышленность
Банковское дело
БЖД
Бухучет и аудит
География
Документоведение
Естествознание
Журналистика
Информатика
История
Культурология
Литература
Логика
Логистика
Маркетинг
Математика, химия, физика
Медицина
Менеджмент
Недвижимость
Педагогика
Политология
Право
Психология
Религиоведение
Социология
Статистика
Страховое дело
Техника
Товароведение
Туризм
Философия
Финансы
Экология
Экономика
Этика и эстетика
Прочее