К ВОПРОСУ О ПРИМЕНЕНИИ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ЗАДАЧИ ПЕРЕКРЁСТНОЙ ГЕОЛОКАЛИЗАЦИИ

О журнале

Новости

Цели и сфера

Основатель и издатель

Редакционная коллегия

Условия лицензирования

Конфиденциальность

Отношение к плагиату

Публикационная этика

Политика архивирования

Подписка

Для авторов

Инструкции для авторов

Процесс рецензирования

Авторские права

Договор о передаче прав

Редакционные сборы

Архив

Все выпуски

Поиск

Контакты

Контакты

Ермоленко Татьяна Владимировна
кандидат техн. наук, доцент, доцент кафедры компьютерных технологий физико-технического факультета ФГБОУ ВО "ДонГУ", заместитель заведующего лабораторией интеллектуальных систем и анализа данных ФГБНУ "ИПИИ".
283001, г. Донецк, ул. Университетская, д. 24.
Область научных интересов: математическая логика, нечеткая логика, обработка естественного языка, глубокое обучение, распознавание образов, цифровая обработка сигналов.

Хакимов Ренат Саитович
младший научный сотрудник, лаборатория интеллек-туальных систем и анализа данных ФГБНУ "ИПИИ".
283048, г. Донецк, ул. Артема, д. 118 б.
Область научных интересов: компьютерное зрение, машинное обучение, нейронные сети.

Скачать pdf

УДК 004.932.2
DOI 10.24412/2413-7383-2024-3-4-15
Язык: Русский
Аннотация: В статье рассмотрена задача перекрёстной геолокализации с математической точки зрения, вы-делены основные подходы, проблемы и ключевые особенности применения глубокого обучения. Среди ключевых особенностей применения глубокого обучения можно выделить: 1) архитектуры на основе Трансформере позволяют более четко идентифицировать характерные объекты и игнорировать фоновую информацию; 2) результаты модели на основе Трансформер, обученной дважды, будут иметь большой разброс; 3) масштаб изображений со спутника фиксирован, в то время как высота полёта БПЛА динамически изменяется.
Ключевые слова: перекрёстная геолокализация, компьютерное зрение, машинное обучение, нейронные сети, БПЛА.

Список литературы:
1. Deuser, F., Habel, K., Werner, M., & Oswald, N. (2023). Orientation-Guided Contrastive Learning for UAV-View Geo-Localisation. In *UAVM 2023 - Proceedings of the 2023 Workshop on UAVs in Multimedia: Capturing the World from a New Perspective, Co-located with MM 2023* (pp. 7-11).
2. Фаворская, М. Н., & Пахирка, А. И. (2024). Восстановление аэрофотоснимков сверхвысокого разрешения с учетом семантических особенностей. *Информатика и автоматизация*, *23*(4), 1047–1076.
3. Zhang, X., Jiang, M., Zheng, Z., Tan, X., Ding, E., & Yang, Y. (2020). Understanding Image Retrieval Re-Ranking: A Graph Neural Network Perspective. In *Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)* (pp. 4911–4920). DOI: 10.1109/CVPR42600.2020.00496
4. Lin, J., Zheng, Z., Zhong, Z., Luo, Z., Li, S., Yang, Y., & Sebe, N. (2022). Joint Representation Learning and Keypoint Detection for Cross-View Geo-Localization. *IEEE Transactions on Image Processing*, *31*(May), 3780-3792.
5. Deuser, F., Habel, K., & Oswald, N. (2023). Sample4Geo: Hard Negative Sampling For Cross-View Geo-Localisation. In *Proceedings of the IEEE International Conference on Computer Vision* (pp. 16801-16810).
6. Ронжин, А. Л., Ле, В. Н., & Шувалов, Н. (2024). Оптимизация технологической карты допустимых аквакультуры. *[Название журнала]*, *16*(2), 50-58. *(Замените "[Название журнала]" на фактическое название)*
7. Fam, K. B., Murashev, P. M., & Bogatikov, V. N. (2024). Fuzzy Model of Diagnostics of Technological Processes. *Pattern Recognition and Image Analysis*, *34*(3), 632-638.
8. Дворников, С. В., & Васильева, Д. В. (2024). Повышение достоверности выявления аномалий на изображениях при формировании их векторов признаков в базисах вейвлетов. *Информатика и автоматизация*, *23*(6), 1698-1729. https://doi.org/10.15622/ia.23.6.5
9. Сойфер, В. А., Фурсов, В. А., & Харитонов, С. И. (2024). Калмановская фильтрация одного класса изображений динамических объектов. *Информатика и автоматизация*, *23*(4), 953-968. https://doi.org/10.15622/ia.23.4.1
10. Верхотуров, А. Л., Степанов, А. С., & Илларионова, Л. В. (2024). Использование радиолокационных данных для мониторинга состояния посевов сельскохозяйственных культур на юге Дальнего Востока России. *Информатика и автоматизация*, *23*(4), 1221-1245. https://doi.org/10.15622/ia.23.4.11
11. Dai, M., Hu, J., Zhuang, J., & Zheng, E. (2022). A Transformer-Based Feature Segmentation and Region Alignment Method for UAV-View Geo-Localization. *IEEE Transactions on Circuits and Systems for Video Technology*, *32*(7), 4376-4389.
12. Зуев, В. М. (2024). Сравнение обнаружения объектов средствами искусственного интеллекта в сравнении с классическими методами. *Проблемы искусственного интеллекта*, *3*(34), 4-10. ISSN 2413-7383. DOI: 10.24412/2413-7383-2024-3-30-35.
13. Пикалёв, Я. С., & Ермоленко, Т. В. (2023). О нейронных архитектурах извлечения признаков для задачи распознавания объектов на устройствах с ограниченной вычислительной мощностью. *Проблемы искусственного интеллекта*, *3*(30), 44-54. ISSN 2413-7383. DOI: 10.34757/2413-7383.2023.30.3.004
14. Павленко, Б. В., & Бондаренко, В. И. (2024). Интеллектуально-алгоритмический метод калибровки прицелов. *Проблемы искусственного интеллекта*, *3*(34), 55–63. ISSN 2413-7383. DOI: 10.24412/2413-7383-2024-3-55-63
15. Кришнан, Ш. Р., & Амудха, П. (2024). Улучшение обнаружения аномалий на видео с помощью усовершенствованной технологии UNET и техники каскадного скользящего окна. *Информатика и автоматизация*, *6*(23), 1899-1930. ISSN 2713-3192. DOI: 10.15622/ia.23.6.12
16. Али, Б., Садеков, Р. Н., & Цодокова, В. В. (2022). Алгоритмы навигации беспилотных летательных аппаратов с использованием систем технического зрения. *Гироскопия и навигация*, *30*(4), 87-105.
17. Хакимов, Р. С., Нижникова, О. Л., & Близно, М. В. (2024). К вопросу о разработке системы аннотирования данных для задач компьютерного зрения. *Проблемы искусственного интеллекта*, × 3 ×(34), 70–79. ISSN 2413-7383. DOI: 10.24412/2413-7383-2024-3-70-79
18. Ронжин, А. Л. (2023). Интеллектуализация и роботизация отечественного научного оборудования для междисциплинарных исследований. *[Название журнала]*, × 1 ×(28), 4-10. *(Замените "[Название журнала]" на фактическое название)*
19. Durgama, A., Paheding, S., Dhiman, V., & Devabhaktuni, V. (2021). Cross-view geo-localization: a survey. *Ad Hoc Networks*, × 29 ×(3), 1519–1541. DOI: 10.1016/j.adhoc.2021.101843.
20. Хакимов, Р. С., Павленко, Б. В., & Пикалев, Я. С. (2024). Обзор расширенных техник аугментации для набора данных изображений. In *Донецкие чтения 2024: образование, наука, инновации, культура и вызовы современности: Материалы IX Международной научной конференции (Донецк, 15–17 октября 2024 г.)*. (Vol. 2, pp. 272–275). Донецк: Изд-во ДонГУ. ISSN 2664-7362 (Print); ISSN 2664-7370 (Online)

Выпуск: 4(35)'2024
Раздел: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ
Как цитировать: Ермоленко Т. В. Хакимов Р. С. К ВОПРОСУ О ПРИМЕНЕНИИ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ЗАДАЧИ ПЕРЕКРЁСТНОЙ ГЕОЛОКАЛИЗАЦИИ¹ [Текст] / Т. В. Ермоленко Р. С. Хакимов // Проблемы искусственного интеллекта. - 2024. № 4 (35). - С. 4-15. - http://paijournal.guiaidn.ru/ru/2024/4(35)-1.html

Назад к выпуску 4(35)'2024