Abstract
<jats:p>Рассмотрены алгоритмы и нейросетевые модели семантической сегментации участков водной поверхности реки Амур, полученных с помощью аэрофотосъёмки. Подготовлен набор данных для обучения нейросети на основе материалов аэрофотосъёмки акватории реки Амур. Приводятся результаты исследований точности предсказания наиболее популярных моделей в области семантической сегментации, таких как UNet++, DeepLabV++, FPNet и SAM. В процессе экспериментов использованы метрики IoU(мера близости Жаккара) и Boundure IoU(оценка точности сегментации границ объектов). Проведены вычислительные эксперименты по измерению точности обученных моделей с целью выбора оптимальных параметров. В результате получено, что модель UNet++ имеет преимущество по точности сегментации со средней оценкой Boundure IoU> 0,9. Разработанные алгоритмы и обученные нейросетевые модели могут быть использованы в системах мониторинга водной поверхности реки по изображениям ортофотоплана с целью определения границ прибрежной зоны при разных уровнях воды.</jats:p> <jats:p>The article discusses algorithms and neural network models for semantic segmentation of the Amur River water surface areas obtained using aerial photography. A dataset has been prepared for training a neural network based on aerial photography materials of the Amur River water area. The article presents the results of research on the accuracy of prediction of the most popular models in the field of semantic segmentation, such as UNet++, DeepLabV++, FPNet, and SAM. The experiments used the IoU (Jaccard similarity measure) and Boundure IoU (object boundary segmentation accuracy assessment) metrics. Computational experiments were conducted to measure the accuracy of the trained models in order to select the optimal parameters. As a result, it was found that the UNet++ model has an advantage in terms of segmentation accuracy, with an average Boundure IoU score of > 0.9. The developed algorithms and trained neural network models can be used in river water surface monitoring systems based on orthophoto images to determine the boundaries of the coastal zone.</jats:p>