| DC Field | Value | Language |
|---|
| dc.contributor.author | Куприянова, Д. В. | - |
| dc.contributor.author | Перцев, Д. Ю. | - |
| dc.contributor.author | Татур, М. М. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2024-01-15T06:14:15Z | - |
| dc.date.available | 2024-01-15T06:14:15Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.citation | Куприянова, Д. В. Классификация методов сегментации снимков земной поверхности = Classification of earth surface image segmentation methods / Д. В. Куприянова, Д. Ю. Перцев, М. М. Татур // Системный анализ и прикладная информатика. – 2023. – № 4. – С. 20–28. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/54063 | - |
| dc.description.abstract | В данной работе представлена классификация методов сегментации снимков земной поверхности.
Рассмотрены такие подходы как сравнение с шаблоном, машинное обучение и глубокие нейронные
сети, а также применение знаний об анализируемых объектах. Рассмотрены особенности применения
вегетационных индексов для сегментации данных по спутниковым снимкам. Отмечены преимущества и
недостатки. Систематизированы результаты, полученные авторами методик, появившихся за последние
10 лет, что позволит заинтересованным быстрее сориентироваться, сформировать идеи для последующих
исследований. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | Белорусский национальный технический университет | en_US |
| dc.subject | публикации ученых | en_US |
| dc.subject | дистанционное зондирование | en_US |
| dc.subject | глубокое обучение | en_US |
| dc.subject | машинное обучение | en_US |
| dc.title | Классификация методов сегментации снимков земной поверхности | en_US |
| dc.title.alternative | Classification of earth surface image segmentation methods | en_US |
| dc.type | Article | en_US |
| dc.identifier.DOI | 10.21122/2309-4923-2023-4-20-28 | - |
| local.description.annotation | The classification of methods for land surface image segmentation is presented in the paper. Such approaches
as template matching, machine learning and deep neural networks, as well as application of knowledge about analyzed
objects are considered. Peculiarities of vegetation indices application for satellite images data segmentation are
considered. Advantages and disadvantages are noted. The results obtained by the authors of the methods that have
appeared over the last 10 years are systematized, which will allow those interested to get oriented faster and form
ideas for further research. | en_US |
| Appears in Collections: | Публикации в изданиях Республики Беларусь
|
