Разработка системы компьютерного зрения средствами машинного обучения для оценки зарастания высшей водной растительностью Цимлянского водохранилища

Моделирование процесса зарастания мелководий высшей водной растительностью имеет важное практическое значение для рыбохозяйственной отрасли нашей страны и является неотъемлемой частью мониторинга водных объектов. В статье представлены результаты разработки системы компьютерного зрения средствами машинного обучения на базе архитектур SegNet и U-Net для оценки зарастания высшей водной растительностью Цимлянского водохранилища. Для обучения и тестирования моделей применялся набор данных, состоящий из 200 пар снимков Landsat, охватывающих 24 различных участка Цимлянского водохранилища за разные годы, а также соответствующих им разметок зарастания. Процесс обучения SegNet продолжался в течение 50 эпох, U-Net обучалась в течение 30 эпох. Каждая эпоха обучения включала итерации по обучающим данным, вычисление функции потерь, обратное распространение градиентов и обновление весов с использованием оптимизатора. После каждой эпохи производилась валидация модели на валидационной выборке для оценки ее производительности. Точность модели SegNet составила 0,869, U-Net – 0,881. Для оценки качества сегментации зарастания на тестовой выборке были измерены коэффициенты Жаккара (IoU). Модель U-Net показала IoU на уровне 0,665, у SegNet этот показатель составил 0,633.