Подробная инструкция по работе с архитектурой CNN для классификации LULC
No Thumbnail Available
Files
Date
2026
Authors
Alipbeki O.A.
Grossul P.P.
Rakhimov D.K.
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Методическая инструкция посвящена применению архитектуры Convolutional Neural Network (CNN) для классификации землепользования и земельного покрова (Land Use/Land Cover, LULC) на основе спутниковых данных. В отличие от пиксельно-ориентированных методов, CNN выполняет классификацию на основе локальных многоканальных патчей изображения, что позволяет учитывать спектральные характеристики, текстуру, пространственный контекст и границы объектов. В инструкции рассмотрены подготовка спутниковых данных в формате GeoTIFF, формирование обучающей выборки, использование цифровой модели рельефа и данных ночного освещения, настройка программной среды Python и PyTorch, расширение и проверка обучающей выборки, настройка параметров CNN, обучение модели и классификация полного спутникового изображения. Отдельное внимание уделено использованию attention-механизмов, ансамблей моделей, оценке точности по confusion matrix, precision, recall и F1-score, а также визуальной проверке результатов в QGIS.
Description
Пошаговая методическая инструкция по подготовке данных, настройке, обучению и применению сверточной нейронной сети CNN для классификации землепользования и земельного покрова. Методика предусматривает использование многоканальных спутниковых изображений GeoTIFF, точечной обучающей выборки в формате CSV, спектральных индексов, цифровой модели рельефа и данных ночного освещения. Рассматриваются установка и настройка Python/PyTorch, расширение и проверка обучающей выборки, настройка гиперпараметров, использование патчей изображений и attention-механизмов, обучение одиночной и ансамблевой CNN-моделей, создание классифицированного GeoTIFF, визуализация результатов в QGIS и оценка качества классификации.
Keywords
Citation
Alipbeki O.A., Grossul P.P., Rakhimov D.K. Подробная инструкция по работе с архитектурой CNN для классификации LULC. Алматы: Al-Farabi Kazakh National University, 2026. 18 с.