Нейросетевое квадродерево и его применение для сегментирования спутниковых изображений

Предложена ансамблевая нейросетевая архитектура, использующая модель квадродерева (КД) для решения задачи сегментации изображений в условиях недостатка обучающих данных. Нейросетевое КД (НКД) состоит из сети-сегментатора, формирующего признаки пикселей, и графово-сверточной сети со специальным блоком обрезки ветвей, устанавливающей между пикселями изображения пространственно-иерархические связи. Разработанная модель была протестирована на нескольких радиолокационных (РЛ) снимках земной поверхности, различных как по типам поверхности, так и по характеристикам радиолокаторов (Sentinel 1, ESAR, HRSID). Проведено сравнение результатов обработки снимков НКД и обычным КД, использующим общую сеть-сегментатор типа U-Net. Нейросетевое КД продемонстрировало более высокие способности к распознаванию малых объектов в сравнении с обычным КД. Прирост значений метрики Recall для таких классов у НКД относительно обычного КД составил от 2,13% до 11,63%.