Sztuczne sieci neuronowe i obliczenia ewolucyjne w teledetekcji

Oryginalny tytuł:

Artificial Neural Networks and Evolutionary Computation in Remote Sensing

Zawartość książki:

Sztuczne sieci neuronowe (ANN) i metody obliczeń ewolucyjnych zostały z powodzeniem zastosowane w aplikacjach teledetekcyjnych, ponieważ oferują unikalne korzyści w analizie zdalnie wykrytych obrazów. Sieci neuronowe są skuteczne w znajdowaniu podstawowych relacji i struktur w wielowymiarowych zbiorach danych.

Dzięki nowym sensorom dysponujemy obrazami o większej liczbie pasm spektralnych i wyższej rozdzielczości przestrzennej, co wyraźnie przypomina problemy związane z dużymi zbiorami danych. W tym celu algorytmy ewolucyjne stają się najlepszym rozwiązaniem do analizy.

Niniejsza książka zawiera jedenaście wysokiej jakości artykułów, wybranych po starannym procesie recenzji, dotyczących aktualnych problemów teledetekcji. W rozdziałach książki zasugerowano optymalizację superstrukturalną dla optymalnego projektowania sieci neuronowych typu feedforward, sieci CNN zostały wdrożone dla ładunku nanosatelity w celu wyboru obrazów kwalifikujących się do transmisji na ziemię, nowa konwolucyjna sieć neuronowa o wartości funkcji wagi (WFCNN) została zastosowana do dokładnej segmentacji obrazów teledetekcyjnych i wyodrębniania ulepszonych informacji o użytkowaniu gruntów, zastosowano regionalne konwolucyjne sieci neuronowe z maską (Mask R-CNN) do wyodrębniania powierzchni wypełnienia doliny, zastosowano najnowocześniejsze modele wykrywania obiektów oparte na konwolucyjnych sieciach neuronowych (CNN) do automatycznego wykrywania samolotów i statków na zdjęciach satelitarnych VHR, zastosowano strategię wykrywania od zgrubnego do dokładnego w celu wykrycia statków o różnych rozmiarach oraz zaproponowano głęboką sieć kwadrupletową (DQN) do klasyfikacji obrazów hiperspektralnych.