- Код статьи
- 10.31857/S0869769824020033-1
- DOI
- 10.31857/S0869769824020033
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 2
- Страницы
- 33-41
- Аннотация
- Описывается набор алгоритмов, использующихся для распознавания объектов на спутниковых фотографиях высокого качества. Этот метод обладает уникальной возможностью обнаруживать объекты, размеры которых на изображениях не превышают нескольких десятков пикселей. На фотографии исследуется каждый отличительный участок изображения, чтобы определить присутствие объекта определенного класса, и рассчитывается вероятность этого присутствия на рассматриваемом участке. По результатам анализа изображения делается вывод о наличии и вероятном местонахождении объекта. Дается также подробное объяснение того, как изучаются и параметризуются алгоритмы, используемые в процессе обнаружения. С учетом результатов исследования можно автоматизировать широкий спектр процессов, например, упростить сбор и анализ данных в многочисленных аналитических системах. Метод обладает огромным потенциалом и может быть продуктивно использован в различных областях, связанных с обработкой изображений и анализом данных, в частности, применен для эффективного управления дорожным движением, обеспечения равномерной загрузки транспортной сети на пределе ее пропускной способности, не допуская перегрузки уязвимых зон, а также прогнозирования развития транспортной обстановки. Он способствует ускорению алгоритма детектирования транспортных средств на спутниковых снимках, позволяет оценивать состояние дорожного движения и эффективность его организации, выявлять и прогнозировать развитие процессов, влияющих на состояние дорожного движения, а также контролировать сферу безопасности и организации дорожного движения.
- Ключевые слова
- нейронная сеть система управления транспортным потоком детектирование распознавание образов селективный поиск обучающая выборка спутниковые снимки компьютерное зрение
- Дата публикации
- 15.09.2025
- Год выхода
- 2025
- Всего подписок
- 0
- Всего просмотров
- 11
Библиография
- 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.
