Дослідження архітектури U-Net для семантичної сегментації супутникових знімків

Abstract

Кваліфікаційну роботу присвячено дослідженню та програмній імплементації згорткової нейронної мережі архітектури U-Net для автоматизованої семантичної сегментації просторових даних. У процесі дослідження формалізовано математичну постановку задачі піксельної класифікації в умовах екстремального дисбалансу класів. Розроблено конвеєр попередньої обробки даних, що включає розбиття зображень на фрагменти та інтенсивну стохастичну аугментацію. Для ефективної оптимізації ваг моделі імплементовано комбіновану функцію втрат (лінійна комбінація Binary Cross-Entropy та Dice Loss). Експериментальне дослідження проведено на мультиспектральних зображеннях з набору даних DeepGlobe Land Cover. Отримані кількісні результати оцінено за допомогою метрик просторового перекриття (IoU, Dice Coefficient, AUC-PR). На основі візуального зіставлення прогнозних масок виявлено явище семантичної неоднозначності еталонної розмітки: розроблена модель успішно локалізувала об'єкти рослинності (міські дерева, лісосмуги), які не були розмічені експертами через географічну таксономію датасету. Доведено, що архітектура U-Net володіє високою здатністю до вилучення просторово-спектральних ознак і є дієвим інструментом для автоматизованого аналізу даних дистанційного зондування Землі.

The bachelor's thesis is devoted to the research and software implementation of the U-Net convolutional neural network architecture for the automated semantic segmentation of spatial data. During the research, the mathematical formulation of the pixel-wise classification problem under conditions of extreme class imbalance was formalized. A spatial data preprocessing pipeline was developed, which includes image patching and intensive stochastic data augmentation. To effectively optimize the model weights, a combined loss function (a linear combination of Binary Cross-Entropy and Dice Loss) was implemented. The experimental study was conducted on multispectral images from the DeepGlobe Land Cover dataset. The obtained quantitative results were evaluated using spatial overlap metrics (IoU, Dice Coefficient, AUC-PR). Based on the visual comparison of the predicted masks, the phenomenon of semantic ambiguity of the ground truth annotations was revealed: the developed model successfully localized vegetation objects (urban trees, windbreaks) that were not annotated by experts due to the geographical taxonomy of the dataset. It is proven that the U-Net architecture has a high capacity for extracting spatio-spectral features and is a powerful tool for the automated analysis of Earth remote sensing data.