Автоматизация формирования набора изображений крон деревьев, полученных с использованием БПЛА, для задач обучения нейронных сетей

Авторы и правообладатели:

• Катаев М. Ю.
• Карташов Е. Ю.
• Лукьянов А. К. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Скворцов Я. О. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Шурыгин Ю. А. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Катаев-Михаил-Юрьевич М. Ю. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)

• 1. Курбанов Э.А. Дистанционные методы в лесном хозяйстве: учеб. пособие / Э.А. Курбанов, О.Н. Воробьев. – Йошкар-Ола: Поволжский гос. технологический ун-т, 2020. – 266 с.
• 2. Szeliski R. Computer vision: algorithms and applications. – Springer Nature, 2022. – 1232 p.
• 3. Анирад К. Искусственный интеллект и компьютерное зрение. Реальные проекты на Python, Keras и TensorFlow / К. Анирад, Г. Сиддха, К. Мехер. – СПб.: Питер, 2023. – 624 с.
• 4. Брагинский М.Я., Тараканов Д.В. Оценка состояния растений с использованием сверточных нейронных сетей // Вестник кибернетики. – 2021. – № 1 (41). – С. 41–50.
• 5. Толкач И.В. Методы оценки сосновых таксационно-дешифровочных показателей на цифровых снимках / И.В. Толкач, О.С. Бахур // Проблемы лесоведения и лесоводства: сборник науч. трудов. – Гомель: Институт леса НАН, 2012. – № 72. – С. 354–362.
• 6. Минаев, В.Н. Таксация леса / В.Н. Минаев, Л.Л. Леонтьев, Ф.В. Ковязин. – СПб.: Лань, 2020. – 240 с.
• 7. Кузьменков М.В. Таксационно-лесоустроительный справочник / М.В. Кузьменков, А.П. Кулагин, А.В. Таркан, Р.С. Бузуновский. – Минск: Редакция журнала «Лесное и охотничье хозяйство», 2019. – 336 с.
• 8. Катаев М.Ю. Методика и программа атмосферной коррекции изображений беспилотных летательных аппаратов в задаче безопасной локации растительности / М.Ю. Катаев, Е.Ю. Карташов, Д.С. Смирнов // Доклады ТУСУР. – 2021. – Т. 24, № 4. – С. 73–78.
• 9. Rodriguez E. Forest disturbance characterization in the era of earth observation big data: A mapping review / E. Rodriguez, P.M. Schlerf, A. Roder, J. Stoffels, T. Udelhoven // International Journal of Applied Earth Observation and Geoinformation. – 2024. – Vol. 128. – P. 1–13.
• 10. Катаев М.Ю. Методика кластеризации сельскохозяйственных полей по RGB-изображениям беспилотных летательных аппаратов / М.Ю. Катаев, Е.Ю. Карташов, А.А. Кузнецов // Доклады ТУСУР. – 2021. – Т. 24, № 3. – С. 50–56.
• 11. Kinoshenko D. A Partition Metric for Clustering Features Analysis / D. Kinoshenko, V. Mashtalir , V. Shlyakhov // International Journal Information Theories and Applications. – 2007. – Vol.14. – No. 3. – Р. 230–236.
• 12. Алексеева В.А. Использование методов машинного обучения в задачах бинарной классификации / В.А. Алексеева // Автоматизация процессов управления. – 2015. № 4. – С. 58–63.
• 13. Колесников А.А. Использование технологий машинного обучения при решении геоинформационных задач / А.А. Колесников, П.М. Кикин, Е.В. Комиссарова, Е.Л. Касьянова // ИнтерКарто. ИнтерГис: материалы междунар. конф. – Петрозаводск, 2018. – № 24. – С. 371–384
• 14. Смирнов А.В. Использование механизма сверточных нейронных сетей для поиска объектов на аэрофотоснимках / А.В. Смирнов, Е.С. Иванов // Программные системы: теория и приложения. – 2017. – № 4 (35). – С. 85–99.
• 15. Geetha G. A Review on Various Image Interpolation Techniques / G Geetha., S. Nafeesathu // International Research Journal of Engineering and Technology (IRJET). – 2021. – Vol. 8, № 7. – P. 467–470.
• 16. Quan Y. Centralized Feature Pyramid for Object Detection / Y. Quan, D. Zhang, L. Zhang, J. Tang // IEEE Transactions on Image Processing. – 2023. – Vol. 32. – P. 4341–4354.