Старовойтова Т. Ф., канд. экон. наук, доц., доц.
220019, г. Минск, ул. Скрипникова, 35–92
Тел.: +375 29 757-59-11
Starovoitova T. F., Cand. of Sci., Associate Professor,Associate Professor at the Academy of Public Administration under
220019, Minsk, Skripnikova St., 35–92
Tel.: +375 29 757-59-11
Старовойтов И. А., техник отдела геоинформационныхсистем
Starovoitov I. A., Technician at the Geographic Information Systems Department
Представлены особенности получения и обработки аэрокосмических изображений земной поверхности в контексте цифровизации для создания точных топографических карт и планов в цифровом и графическом форматах. Создана модель обработки данных на основе языка программирования Python и нейронных сетей, целью которой является улучшение распознавания объектов на аэрокосмических снимках. Методология разработки модели машинного обучения включает в себя определение целей и задач модели, выбор подходящего алгоритма обучения (в данном случае – нейронных сетей), сбор и подготовку набора данных, настройку модели и тестирование на тестовом наборе данных. Рассмотрены недостатки существующих алгоритмов обработки данных, представлен подход, позволяющий повысить эффективность распознавания и анализа данных.
The article presents the specifics of acquisition and processing aerospace images of the earth's surface in the context of their digitalization for creating accurate topographic maps and plans in digital and graphic formats. A data processing model has been developed based on the Python programming language and neural networks, the purpose of which is to improve the recognition of objects in aerospace images. The methodology for creating a machine learning model includes defining the goals and objectives of the model, selecting an appropriate learning algorithm (in this case, neural networks), collecting and preparing a data set, tuning the model, and testing on a test data set. The shortcomings of existing data processing algorithms are also discussed and an approach is presented to improve the efficiency of data processing and analysis.
The authors declare that there are no conflicts of interest present.