Стратегії визначення оптимальної кількості вхідних даних для розпізнавання об’єктів на супутникових зображеннях

dc.contributor.authorСолдатенко, Дмитро Володимировичuk_UA
dc.contributor.authorГнатушенко, Вікторія Володимирівнаuk_UA
dc.date.accessioned2025-04-04T06:09:15Z
dc.date.available2025-04-04T06:09:15Z
dc.date.issued2023
dc.descriptionД. Солдатенко: ORCID 0000-0001-6041-7383; Вік. Гнатушенко: ORCID 0000-0001-5304-4144uk_UA
dc.description.abstractUKR: 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.uk_UA
dc.description.abstractENG: 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.en
dc.identifier.citationСолдатенко 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.uk_UA
dc.identifier.doihttps://doi.org/10.34185/1991-7848.itmm.2023.01.087en
dc.identifier.issn2708-0102 (Online)
dc.identifier.urihttps://journals.nmetau.edu.ua/index.php/itmm/article/view/1655en
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/20001en
dc.language.isouk
dc.publisherУкраїнський державний університет науки і технологій, ІВК «Системні технології», Дніпроuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectрозпізнавання зображеньuk_UA
dc.subjectсупутникові знімкиuk_UA
dc.subjectобробка данихuk_UA
dc.subjectдоповнення данихuk_UA
dc.subjectштучний інтелектuk_UA
dc.subjectneural networken
dc.subjectimage recognitionen
dc.subjectsatellite imageryen
dc.subjectdata processingen
dc.subjectdata augmentingen
dc.subjectartificial intelligenceen
dc.subjectКІТСuk_UA
dc.subject.classificationTECHNOLOGY::Information technology::Image analysisen
dc.titleСтратегії визначення оптимальної кількості вхідних даних для розпізнавання об’єктів на супутникових зображенняхuk_UA
dc.title.alternativeInvestigating Strategies for Determining the Optimal Input Data Amount for Object Recognition in Satellite Imageryen
dc.typeThesisen
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Soldatenko.pdf
Size:
364.5 KB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
159 B
Format:
Item-specific license agreed upon to submission
Description: