<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Pi W. </author>
     <author>Du J. </author>
     <author>Liu H. </author>
     <author>Zhu X. </author>
    </authors>
   </contributors>
   <titles>
    <title>МОДЕЛЬ ТРЕХМЕРНОЙ СВЕРТОЧНОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ИДЕНТИФИКАЦИИ РЕЛЬЕФА ПУСТЫННЫХ ПАСТБИЩ С ПОМОЩЬЮ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ</title>
   </titles>
   <keywords>
    <keyword>беспилотный летательный аппарат</keyword>
    <keyword>гиперспектральное изображение</keyword>
    <keyword>опустынивание пастбищ</keyword>
    <keyword>идентификация наземных объектов</keyword>
    <keyword>трехмерная сверточная нейронная сеть</keyword>
   </keywords>
   <dates>
    <year>2020</year>
    <pub-dates>
     <date>2020-05-08</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <abstract>Создана гиперспектральная система дистанционного зондирования с беспилотного летательного аппарата для исследования пустынных пастбищ Внутренней Монголии (Китай) при естественном освещении в полевых условиях. На основе машинного обучения предложена модель трехмерной сверточной нейронной сети (3D-CNN) для классификации пустынных пастбищ. Для уменьшения объема данных использована парадигма F-norm2 при обеспечении целостности пространственной информации. Благодаря оптимизации структуры и параметров модели ее точность дополнительно повышается на 9.8%, при этом общая точность распознавания оптимизированной модели &amp;gt;96.16%. Соответственно достигается высокоточная классификация признаков пустынных пастбищ, что способствует повышению эффективности исследований по дистанционному зондированию пастбищ.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/15858</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/15812</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
