Mesterséges neurális hálózatok és evolúciós számítás a távérzékelésben

Eredeti címe:

Artificial Neural Networks and Evolutionary Computation in Remote Sensing

Könyv tartalma:

A mesterséges neurális hálózatokat (ANN) és az evolúciós számítási módszereket sikeresen alkalmazzák a távérzékelési alkalmazásokban, mivel egyedülálló előnyöket kínálnak a távérzékelt képek elemzéséhez. Az ANN-ek hatékonyan képesek a többdimenziós adathalmazok mögöttes kapcsolatainak és struktúráinak megtalálására.

Az új érzékelőknek köszönhetően több spektrális sávot tartalmazó, nagyobb térbeli felbontású képek állnak rendelkezésünkre, amelyek egyértelműen a nagy adatproblémákra emlékeztetnek. Erre a célra az evolúciós algoritmusok válnak a legjobb elemzési megoldássá.

Ez a könyv tizenegy magas színvonalú, gondos bírálati folyamat után kiválasztott, aktuális távérzékelési problémákkal foglalkozó tanulmányt tartalmaz. A könyv fejezeteiben szuperstruktúrális optimalizálást javasoltak a feedforward neurális hálózatok optimális tervezéséhez, CNN-hálózatokat alkalmaztak egy nanoszatellit hasznos terhelése során a földre továbbításra alkalmas képek kiválasztására, egy új súlyjellemző értékű konvolúciós neurális hálózatot (WFCNN) alkalmaztak a távérzékelési képek finom szegmentálására és a földhasználatra vonatkozó jobb információk kinyerésére, maszk regionális konvolúciós neurális hálózatot (Mask R-CNN) alkalmaztak a völgykitöltő arcok kivonására, a legkorszerűbb konvolúciós neurális hálózaton (CNN) alapuló objektumdetektálási modelleket alkalmaztak a repülőgépek és hajók automatikus felismerésére a VHR műholdképeken, durvától finomig terjedő detektálási stratégiát alkalmaztak a különböző méretű hajók felismerésére, és mély négyes hálózatot (DQN) javasoltak a hiperspektrális képek osztályozására.