Аннотация:
Определение пространственного разрешения (GSD) снимков дистанционного зондирования востребовано в различных сферах – от мониторинга окружающей среды до городского планирования и сельского хозяйства, что делает актуальным анализ как урбанизированных, так и природных ландшафтов. Данное исследование фокусируется на методах глубокого обучения для оценки GSD фотоснимков, а его целью является изучение влияния на качество оценки GSD таких подходов, как предварительное обучение автоэнкодера на фотоснимках (SSL) и учет признаков с разных уровней модели. Все рассматриваемые модели обучались на снимках разных типов местности. Также для их обучения применялись аугментации масштабирования для расширения диапазона GSD в выборках данных. В качестве базовой модели была взята ResNet18, которая на имеющихся данных демонстрирует относительную ошибку в диапазоне от 2.73% до 15.6%. Применение относительной функции потерь непосредственно при обучении позволяет улучшить показатели на данных с низким пространственным разрешением с 15.6% до 14.7%. В то же время использование подхода SSL незначительно улучшает показатели на высоких значениях GSD. Комбинация SSL с FPN достигает 3.61% на наборе со смешанным типом местности. Полученные результаты позволяют использовать обученные модели для решения прикладных задач. Однако для каждого конкретного случая необходимо выбирать наиболее подходящий метод.
