В наше время роль Искусственного интеллекта невероятно возросла. В замен традиционным процессам тематической обработки приходят новые-современные методы, вносящие существенное обновление, Применение современных технологий, включая IoT-технологии, технологии AI стали уже необходимы для работ почти во всех сферах, в том числе распознавании объектов в сфере Дистанционного зондирования Земли.
В основном для целей дистанционного зондирования земли и гражданских потребностей необходимо оперативно и качественно распознать нужные объекты, например, в случае наводнений, нужно как можно быстрее понять насколько сильно вода вышла из берегов.Для обнаружения антропогенных и созданных без участия человека образов лучше всего подходят методы нейронных сетей. В результате тренировок можно находить заданные объекты с высокой точностью. Это процесс трудный и занимает много времени, но очевидно, что нейронные сети становятся драйверами в этом вопросе.[1]
С практической точки развитие технологий нейронных сетей, означает создание декстопных приложений по решению заданных задач, в нашем случае обнаружению образов объекта.
Мы видим в наших исследованиях становление нескольких задач:
1)Распознавание образов объектов
2)Автоматическое формирование анализа информации
3)Мониторинг и диагностика состояния систем
Обработка данных включает в себя два параметра : предварительная, специальная. Предварительная включает контрастность, коррекция, морфологическая обработка, удаление шума, коррекция помех. Ко специальным относится обнаружение объектов с помощью нейронных сетей.
В нашем докладе мы покажем, как возможно распознавать образы объектов на видеоряде в режиме прямого эфира. Нами были изучены открытые данные и реализована наша программа, как на основе открытых баз знаний, так и созданных нами. В нашем примере показаны как статичные фотографии, так и видеоряд.
Для программы мы использовали открытую библиотеку YOLO[2].Ключевое преимущество YOLO от конкурирующих алгоритмов (CNN),предназначенных для таких же задач, заключается в том, что он очень быстро распознает объекты в режиме реального времени. Принцип работы YOLO подразумевает ввод сразу всего изображения, которое проходит через CNN только один раз. Именно поэтому ее и назвали - “Стоит только раз взглянуть”. В других алгоритмах, в отличии от YOLO, изображение проходит через CNN несколько раз, и из-за этого и обнаружение объектов идет дольше по времени. Кроме того, в работе описана ситуация с редактированием и сжатием изображения, которое нужно для качественной обработки групп снимков и видеопотоков.
В работе будет затронута связь обработки данных с помощью нейронных сетей с IoT-технологий (концепцией сети передачи данных между физическими объектами и технологиями), и для дальнейшего создания проекта цифрового двойника системы