Подробная инструкция по работе с архитектурой CNN для классификации LULC
| dc.contributor.author | Alipbeki O.A. | |
| dc.contributor.author | Grossul P.P. | |
| dc.contributor.author | Rakhimov D.K. | |
| dc.date.accessioned | 2026-10-04T11:04:33Z | |
| dc.date.available | 2026-10-04T11:04:33Z | |
| dc.date.issued | 2026 | |
| dc.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. | |
| dc.description.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. | |
| dc.description.sponsorship | Министерство сельского хозяйства Республики Казахстан. Научно-техническая программа BR22886730 «Формирование аграрной инфраструктуры пространственных данных Республики Казахстан по технологиям и принципам 2.0». | |
| dc.identifier.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. | |
| dc.identifier.uri | https://repository.kaznu.kz/handle/123456789/656 | |
| dc.language.iso | other | |
| dc.title | Подробная инструкция по работе с архитектурой CNN для классификации LULC | |
| dc.type | Learning Object |