Заключение. 
Автоматическая сегментация спутниковых снимков на базе модифицированной сверточной нейронной сети UNET

Нейронные сети показали свою высокую эффективность при решении задачи автоматической сегментации спутниковых изображений. Даже в условиях ограниченного времени (2 месяца) удалось подготовить модель, которая автоматически создаёт разметку местности, похожую на разметку сделанную вручную. Несомненно, при расширении тестового набора и доработке структуры нейросети можно увеличить качество предсказаний до гораздо более высокого уровня. Работа выполнена при поддержке гранта «РФФИ 17−07−409» .

Литература

• 1. United Kingdom — Salisbury: Research and experimental development services // URL: publictenders.net/node/3 556 044/.
• 2. Dstl Satellite Imagery Feature Detection. Private Leaderboard Final! // URL: kaggle.com/c/dstl-satellite-imagery-feature-detection/discussion/30 135/.
• 3. Сайфеддин Д., Булгаков А. Г., Круглова Т. Н. Нейросетевая система отслеживания местоположения динамического агента на базе квадрокопетра // Инженерный вестник Дона, 2014, №.1 URL: ivdon.ru/magazine/archive/n1y2014/2293/.
• 4. Плуготаренко Н. К., Варнавский А. Н. Применение нейронных сетей для построения модели прогнозирования состояния городской воздушной среды // Инженерный вестник Дона, 2012, № 4−2 URL: ivdon.ru/magazine/archive/n4p2y2012/1351/.
• 5. Dstl Satellite Imagery Feature Detection // URL: kaggle.com/c/dstl-satellite-imagery-feature-detection/.
• 6. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation // Arxiv.org. 2015. URL: arxiv.org/abs/1505.4 597/.
• 7. Real R., Vargas J. M. The probabilistic basis of Jaccard’s index of similarity // Systematic biology. — 1996. — V.45. — №.3. — pp.380−385.
• 8. Tolias Y. A., Panas S. M., Tsoukalas L. H. Generalized fuzzy indices for similarity matching // Fuzzy Sets and Systems. — 2001. — V.120. — №.2. — pp.255−270.
• 9. WorldView-3 Satellite Sensor (0.31m) // URL: satimagingcorp.com/satellite-sensors/worldview-3/.
• 10. Simonyan K., Zisserman A. Very Deep Convolutional Networks for Large-Scale Image Recognition // Arxiv.org. 2014. URL: arxiv.org/abs/1409.1556/.
• 11. Deng J. et al. Imagenet: A large-scale hierarchical image database // Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. — IEEE, 2009. — pp.248−255.
• 12. Chen T., Guestrin C. Xgboost: A scalable tree boosting system // Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining. — ACM, 2016. — pp.785−794.
• 13. Dstl Satellite Imagery Feature Detection. Pixel-based method // URL: kaggle.com/c/dstl-satellite-imagery-feature-detection/discussion/29 802
• 14. List of available Indices. // URL: indexdatabase. de/db/i. php/.
• 15. Osin V. Reflectance Index for Water Way // URL: kaggle.com/resolut/dstl-satellite-imagery-feature-detection/waterway-0−095-lb/.
• 16. Wang Y., Loe K. F., Wu J. K. A dynamic conditional random field model for foreground and shadow segmentation // IEEE transactions on pattern analysis and machine intelligence. — 2006. — V.28. — №.2. — pp.279−289.
• 17. DSTL competition. Learning process visualization // URL: youtube.com/watch? v=OfGsiPyx94I/.
• 18. DSTL Competition. Examples of automatic neural net segmentation // URL: youtube.com/watch? v=rpp7ZhGb1IQ/.
• 19. ZF_UNET₂₂₄ Pretrained Model // URL: github.com/ZFTurbo/ZF_UNET₂₂₄_Pretrained_Model/.

References.

• 1. United Kingdom — Salisbury: Research and experimental development services. URL: publictenders.net/node/3 556 044/.
• 2. Dstl Satellite Imagery Feature Detection. Private Leaderboard Final! URL: kaggle.com/c/dstl-satellite-imagery-feature-detection/discussion/30 135/.
• 3. Sayfeddin D., Bulgakov A. G., Kruglova T. N. Inћenernyj vestnik Dona (Rus), 2014, № 1. URL: ivdon.ru/magazine/archive/n4p2y2012/1351/.
• 4. Plugotarenko N. K., Varnavskiy A. N. Inћenernyj vestnik Dona (Rus), 2012, №.4−2. URL: ivdon.ru/magazine/archive/n4p2y2012/1351/.
• 5. Dstl Satellite Imagery Feature Detection. URL: kaggle.com/c/dstl-satellite-imagery-feature-detection/.
• 6. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. Arxiv.org. 2015. URL: arxiv.org/abs/1505.4 597/.
• 7. Real R., Vargas J. M. Systematic biology. 1996, V.45, № 3, pp.380−385.
• 8. Tolias Y. A., Panas S. M., Tsoukalas L. H. Fuzzy Sets and Systems. 2001, V.120, № 2, pp.255−270.
• 9. WorldView-3 Satellite Sensor (0.31m). URL: satimagingcorp.com/satellite-sensors/worldview-3/.
• 10. Simonyan K., Zisserman Arxiv.org. 2014. URL: arxiv.org/abs/1409.1556/.
• 11. Deng J. et al. computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on. IEEE, 2009, pp.248−255.
• 12. Chen T., Guestrin C. Proceedings of the 22nd acm sigkdd international conference on knowledge discovery and data mining. ACM, 2016, pp.785−794.
• 13. Dstl Satellite Imagery Feature Detection. Pixel-based method. URL: kaggle.com/c/dstl-satellite-imagery-feature-detection/discussion/29 802/.
• 14. List of available Indices. URL: indexdatabase. de/db/i. php/.
• 15. Osin V. Reflectance Index for Water Way. URL: kaggle.com/resolut/dstl-satellite-imagery-feature-detection/waterway-0−095-lb/.
• 16. Wang Y., Loe K. F., Wu J. K. IEEE transactions on pattern analysis and machine intelligence. 2006, V.28, № 2, pp.279−289.
• 17. DSTL competition. Learning process visualization. URL: youtube.com/watch? v=OfGsiPyx94I/.
• 18. DSTL Competition. Examples of automatic neural net segmentation. URL: youtube.com/watch? v=rpp7ZhGb1IQ/.
• 19. ZF_UNET₂₂₄ Pretrained Model. URL: github.com/ZFTurbo/ZF_UNET₂₂₄_Pretrained_Model/.