ВИВЧЕННЯ ЕКЗОГЕННИХ ПРОЦЕСІВ ЗАХІДНОГО УЗБЕРЕЖЖЯ КРИМСЬКОГО ПІВОСТРОВА ІЗ ЗАСТОСУВАННЯМ МЕТОДІВ ГЛИБИННОГО НАВЧАННЯ
Тип публікації :
Стаття
Дата випуску :
16 січня 2025 р.
Автор(и) :
Мова основного тексту :
Англійська
eKNUTSHIR URL :
Том :
1
Випуск :
104
ISSN :
1728-2713
Початкова сторінка :
124
Кінцева сторінка :
131
Цитування :
[APA 7] ОХРІМЧУК, Р., ДЕМИДОВ, В., СЛЮСАР, К., & ЛУКОМСЬКИЙ, В. (2025). STUDY ON EXOGENOUS PROCESSES ALONG THE WESTERN COAST OF THE CRIMEAN PENINSULA USING DEEP LEARNING METHODS. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 1(104), 124–131. https://doi.org/10.17721/1728-2713.104.15
[ДСТУ] STUDY ON EXOGENOUS PROCESSES ALONG THE WESTERN COAST OF THE CRIMEAN PENINSULA USING DEEP LEARNING METHODS / Р. ОХРІМЧУК et al. Visnyk of Taras Shevchenko National University of Kyiv. Geology. 2025. Vol. 1, no. 104. P. 124—131. DOI: 10.17721/1728-2713.104.15 (date of access: 25.07.2026).
Вступ. Моніторинг зміни контурів берегових ліній є актуальним завданням у галузі екологічних, геологічних та інформаційних досліджень. Однак такі завдання є комплексними і вимагають використання сучасних методів обробки та аналізу даних, у тому числі даних дистанційних зондувань Землі. Одним із сучасних підходів для вирішення такого класу завдань є використання методів машинного навчання, чому й присвячені дослідження у цій статті. Об'єктом дослідження авторів є берегова лінія вздовж узбережжя західної частини Кримського півострова, дослідження якої традиційними методами стали неможливими через тимчасову окупацію Кримського півострова з 2014 року. В останнє десятиліття берегова лінія Криму могла зазнати значних змін у результаті антропогенної діяльності (у тому числі пов'язаної з військовими діями) та зсувно-абразивних процесів. У цьому дослідженні автори ок5реслюють дослідження змін берегової лінії західної частини Кримського півострова за останнє десятиліття.
Методи. Автори використовували моделі CNN (U-Net model) для ефективного розпізнавання берегової лінії та її меж на супутникових знімках без необхідності ручної векторизації.
Результати. Дослідження включало розробку коду Python для автоматичного створення звітів, що включають інформацію про точність мережі (0.95) та функції втрат (0.19), що полегшило оцінку різних підходів та методів. Додатково в ході дослідження було створено сценарії використання навченої мережі в задачі семантичної сегментації та переведення результату моделі сегментації у векторизований результат контурів берегової лінії Кримського півострова, який був представлений у вигляді ймовірнісного растру.
Висновки. Використання такого підходу корисне для моніторингу змін берегової лінії річок, морів та озер на всій території України.
Методи. Автори використовували моделі CNN (U-Net model) для ефективного розпізнавання берегової лінії та її меж на супутникових знімках без необхідності ручної векторизації.
Результати. Дослідження включало розробку коду Python для автоматичного створення звітів, що включають інформацію про точність мережі (0.95) та функції втрат (0.19), що полегшило оцінку різних підходів та методів. Додатково в ході дослідження було створено сценарії використання навченої мережі в задачі семантичної сегментації та переведення результату моделі сегментації у векторизований результат контурів берегової лінії Кримського півострова, який був представлений у вигляді ймовірнісного растру.
Висновки. Використання такого підходу корисне для моніторингу змін берегової лінії річок, морів та озер на всій території України.
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
1.34 MB
Контрольна сума :
(MD5):05ce6619a6bfb56045f6a838229cb064
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International