Разработка и тестирование экспериментального образца платформы. Детектирование проблемных территорий в масках распознавания объектов застройки. Ранжирование и классификация проблем в контексте дополнительного обучения алгоритмов. Создание дополнительных обучающих выборок на основе открытых данных и ручной разметки изображений.

Объекты разработки и исследования: программно-аналитический комплекс - глобальная платформа мониторинга городской застройки; алгоритмы машинного обучения для распознавания городских объектов на мультиспектральных данных ДЗЗ субметрового разрешения. Цели: разработка прототипа платформы, обеспечивающей работу алгоритмов и потоковую обработку больших данных ДЗЗ, загружаемых в платформу из внешних облачных сервисов, таких как сервисы Maxar на платформе Amazon, сервисы Mapbox и др. Полученные результаты: постановка экспериментов по глубокому машинному обучению нейросетей с алгоритмами компьютерного зрения для обработки ДЗЗ; разработка собственных структур и библиотек для обучения нейросетей и управления обработкой;разработка алгоритмов постобработки с целью доведения результата до требуемого качества;проектирование и разработка микросервисной архитектуры платформы для управления и масштабирования потоками обработки ДЗЗ; разработка методики дообучения алгоритмов и обучающих датасетов городской застройки; проектирование и разработка прототипа платформы.Объектом разработки является программно-аналитический комплекс — глобальная платформа мониторинга городской застройки.Объектом исследований являются алгоритмы машинного обучения для распознавания городских объектов на мультиспектральных данных ДЗЗ субметрового разрешения.Целью работы являлось создание экспериментального образца (бета-версии) глобальной цифровой платформы мониторинга городской застройки, обеспечивающей работу алгоритмов и потоковую обработку больших данных ДЗЗ, загружаемых в платформу из внешних облачных сервисов, таких как сервисы Maxar на платформе Amazon, сервисы Mapbox и другие.Основными методами выполнения работы являлись:–тестирование и экспертная оценка методов разработки алгоритмов;–экспериментальные исследования и тестирование алгоритмов;–гибкая разработка по коротким этапам.В ходе НИОКР были выполнены следующие работы:–в рамках работ первого этапа были произведены следующие работы:–постановка экспериментов по глубокому машинному обучению нейросетей с алгоритмами компьютерного зрения для обработки ДЗЗ;–разработка собственных структур и библиотек для обучения нейросетей и управления обработкой;–разработка алгоритмов постобработки с целью доведения результата до требуемого качества;–проектирование и разработка микросервисной архитектуры платформы для управления и масштабирования потоками обработки ДЗЗ;–разработка методики дообучения алгоритмов и обучающих датасетов городской застройки;–проектирование и разработка прототипа платформы;–создан классификатор городской застройки, на основе визуально-дешифрируемых характеристик объектов на данных дистанционного зондирования Земли.–в рамках работ второго этапа были произведены следующие работы:–разработан экспериментальный образец платформы;–протестирован экспериментальный образец платформы;–детектирование проблемных территорий в масках распознавания объектов застройки;–ранжирование проблем в контексте дополнительного обучения алгоритмов;–классификация проблем в контексте дополнительного обучения алгоритмов.–созданы дополнительные обучающие выборки на основе открытых данных и ручной разметки изображений.Таким образом, работы были выполнены в полном объеме в соответствии с техническим заданием, календарным планом и планом-графиком выполнения работ.