Стратегії визначення оптимальної кількості вхідних даних для розпізнавання об’єктів на супутникових зображеннях
Loading...
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, ІВК «Системні технології», Дніпро
Abstract
UKR: Розпізнавання супутникових зображень є життєво важливим застосуванням комп’ютерного зору з численними потенційними варіантами використання в таких сферах, як боротьба зі стихійними лихами, землекористування та міське планування. Це дослідження спрямоване на визначення оптимальної кількості вхідних даних, необхідних для навчання нейронної мережі для розпізнавання супутникових зображень. З цією метою проводиться серія суворих експериментів, щоб дослідити вплив кількості вхідних даних на кілька показників продуктивності, включаючи точність, конвергенцію та узагальнення моделі. Висновки показують, що збільшення кількості вхідних даних загалом покращує продуктивність моделі до точки насичення, після якої подальше збільшення не призводить до значних покращень і навіть може призвести до переобладнання. Дослідження пропонує кілька стратегій для визначення цієї точки насичення та пом’якшення наслідків переобладнання. Результати, отримані в результаті цього дослідження, можуть допомогти в розробці більш ефективних моделей розпізнавання супутникових зображень.
ENG: Satellite imagery recognition is a vital application of computer vision, with numerous potential use cases in fields such as disaster management, land use, and urban planning. This study aims to identify the optimal amount of input data required for training the neural network for satellite imagery recognition. To this end, a series of rigorous experiments are conducted to investigate the impact of input data quantity on several performance metrics, including accuracy, convergence, and model generalization. The findings reveal that an increase in input data quantity generally improves model performance up to a saturation point, beyond which further increases do not lead to significant improvements and may even lead to overfitting. The research proposes several strategies for identifying this saturation point and mitigating the effects of overfitting. The results gained from this research may help in designing more effective models for satellite imagery recognition.
ENG: Satellite imagery recognition is a vital application of computer vision, with numerous potential use cases in fields such as disaster management, land use, and urban planning. This study aims to identify the optimal amount of input data required for training the neural network for satellite imagery recognition. To this end, a series of rigorous experiments are conducted to investigate the impact of input data quantity on several performance metrics, including accuracy, convergence, and model generalization. The findings reveal that an increase in input data quantity generally improves model performance up to a saturation point, beyond which further increases do not lead to significant improvements and may even lead to overfitting. The research proposes several strategies for identifying this saturation point and mitigating the effects of overfitting. The results gained from this research may help in designing more effective models for satellite imagery recognition.
Description
Д. Солдатенко: ORCID 0000-0001-6041-7383; Вік. Гнатушенко: ORCID 0000-0001-5304-4144
Keywords
нейронна мережа, розпізнавання зображень, супутникові знімки, обробка даних, доповнення даних, штучний інтелект, neural network, image recognition, satellite imagery, data processing, data augmenting, artificial intelligence, КІТС
Citation
Солдатенко Д. В., Гнатушенко Вік. В. Стратегії визначення оптимальної кількості вхідних даних для розпізнавання об’єктів на супутникових зображеннях. Інформаційні технології в металургії та машинобудуванні – ІТММ’2023 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 22 березня 2023 р.). Дніпро, 2023. C. 324–328. DOI: https://doi.org/10.34185/1991-7848.itmm.2023.01.087.