Umělé neuronové sítě a evoluční výpočty v dálkovém průzkumu Země

Původní název:

Artificial Neural Networks and Evolutionary Computation in Remote Sensing

Obsah knihy:

Umělé neuronové sítě (ANN) a metody evolučních výpočtů byly úspěšně použity v aplikacích dálkového průzkumu Země, protože nabízejí jedinečné výhody pro analýzu snímků z dálkového průzkumu Země. ANN jsou účinné při hledání základních vztahů a struktur ve vícerozměrných souborech dat.

Díky novým senzorům máme k dispozici snímky s větším počtem spektrálních pásem při vyšším prostorovém rozlišení, což jasně připomíná problematiku velkých dat. Pro tento účel se evoluční algoritmy stávají nejlepším řešením pro analýzu.

Tato kniha obsahuje jedenáct kvalitních prací vybraných po pečlivém recenzním řízení, které se zabývají aktuálními problémy dálkového průzkumu Země. V jednotlivých kapitolách knihy byla navržena superstrukturální optimalizace pro optimální návrh neuronových sítí, sítě CNN byly nasazeny pro užitečné zatížení nanosatelitu k výběru snímků vhodných pro přenos na zem, nová konvoluční neuronová síť s váhovou hodnotou příznaků (WFCNN) byla použita pro jemnou segmentaci snímků dálkového průzkumu a extrakci lepších informací o využití půdy, masková regionální konvoluční neuronová síť (Mask R-CNN) byla použita pro extrakci obličejů vyplňujících údolí, nejmodernější modely detekce objektů založené na konvoluční neuronové síti (CNN) byly použity pro automatickou detekci letadel a lodí na družicových snímcích VHR, strategie detekce od hrubé k jemné byla použita pro detekci lodí různých velikostí a pro klasifikaci hyperspektrálních snímků byla navržena hluboká kvadrupletová síť (DQN).