- PII
- 10.31857/S0869769824020033-1
- DOI
- 10.31857/S0869769824020033
- Publication type
- Article
- Status
- Published
- Authors
- Volume/ Edition
- Volume / Issue number 2
- Pages
- 33-41
- Abstract
- A set of algorithms used to recognize objects in high-quality satellite photographs is described. This method has a unique ability to detect objects whose dimensions in images do not exceed several tens of pixels. In a photograph, each distinctive area of the image is examined to determine the presence of an object of a certain class, and the probability of this presence in the area in question is calculated. Based on the results of image analysis, a conclusion is drawn about the presence and probable location of the object. A detailed explanation is also given of how the algorithms used in the detection process are learned and parameterized. Taking into account the research results, a wide range of processes can be automated, for example, simplifying the collection and analysis of data in numerous analytical systems. The method has enormous potential and can be effectively used in various fields related to image processing and data analysis, in particular, used for effective traffic management, ensuring uniform loading of the transport network at the limit of its capacity, avoiding overloading of vulnerable areas, as well as forecasting the development of the transport situation. It helps speed up the algorithm for detecting vehicles on satellite images, allows you to assess the state of road traffic and the effectiveness of its organization, identify and predict the development of processes affecting the state of road traffic, as well as monitor the field of safety and traffic management.
- Keywords
- нейронная сеть система управления транспортным потоком детектирование распознавание образов селективный поиск обучающая выборка спутниковые снимки компьютерное зрение
- Date of publication
- 15.09.2025
- Year of publication
- 2025
- Number of purchasers
- 0
- Views
- 14
References
- 1. Пугачев И. Н., Маркелов Г. Я., Тормозов В. С. Методика подсчета транспортных средств с использованием космических снимков сверхвысокого пространственного разрешения // Вестн. ТОГУ. 2017. № 2 (45). С. 13–20.
- 2. Пугачев И. Н., Маркелов Г. Я., Тормозов В. С. Ускорение алгоритма детектирования транспортных средств на спутниковых снимках с помощью процедуры фильтрации гипотез // Вестн. Рос. нов. ун-та. Серия: Сложные системы: модели, анализ, управление. 2019. № . 1. С. 130–139.
- 3. Chen Ch., Минальд А. А., Богуш Р. П., Ma G., Weichen Y., Абламейко С. В. Обнаружение и классификация транспортных средств на снимках сверхвысокого разрешения с помощью нейронных сетей // Журн. прикл. спектроскопии. 2022. Т. 89. № 2. С. 275–282.
- 4. Пугачев И. Н., Маркелов Г. Я., Тормозов В. С. Обучение и использование сверточной нейронной сети для детектирования и классификации транспортных средств на спутниковых снимках сверхвысокого разрешения // Пром. АСУ и контроллеры. 2019. № 10. С. 20–25.
- 5. Головнин О. К. Системный анализ и моделирование объектов, процессов и явлений транспортной инфраструктуры в технических системах управления // Изв. Самар. науч. центра РАН. 2018. Т. 20, № 6–2 (86). С. 301–310.
- 6. Бобырь М. В., Архипов А. Е., Якушев А. С., Бхаттачарья С. Построение карты глубины с использованием модернизированного фильтра Канни. Ч. 2 // Пром. АСУ и контроллеры. 2021. № 5. С. 3–15.
- 7. Пашаев М. Я. Управление системами транспортной логистики на основе ГЛОНАСС // Вестн. Астрахан. гос. техн. ун-та. Серия: Управление, вычислительная техника и информатика. 2017. № 3. С. 143–148.
- 8. Филиппова Н. А., Мушта Б. М., Сидоренко А. В. Анализ развития навигационной системы диспетчерского управления грузовым транспортом // Синергия наук. 2019. № 36. С. 734–751.
- 9. Исаева Е. И., Сорокин Е. А. Оценка эффективности от внедрения навигационных спутниковых технологий при перевозках в международном сообщении // Актуальные вопросы организации автомобильных перевозок, безопасности движения и эксплуатации транспортных средств: сб. науч. тр. по материалам XIV Междунар. науч.-техн. конф. Саратов, 2019. С. 97–104.
- 10. Петрова Е. А. Снижение издержек транспортного предприятия с помощью цифровых технологий // Проблемы совершенствования организации производства и управления промышленными предприятиями: межвуз. сб. науч. тр. Самара, 2021. № 1. С. 228–231.
- 11. Михеева Т. И., Головнин О. К., Федосеев А. А. Интеллектуальная геоинформационная платформа исследования транспортных процессов // Информационные технологии и нанотехнологии (ИТНТ-2017): сб. тр. III Междунар. конф. и молодежной школы / Самар. нац. исслед. ун-т им. акад. С. П. Королева. Самара, 2017. С. 753–761.
