Aerospace Instrument-Making Annotation << Back Применения нейронной сети глубокогообучения u-net для решения задач обнаруженияи распознавания объектов Громов Ю.Ю., Ищук И.Н., Родионов В.В. В статье рассматривается метод применения сверточной нейронной сети глубокого обучения U-net для классификации разновременных многоспектральных изображений поверхности земли, полученных с помощью многоспектральной оптико-электронной системы беспилотного летательного аппарата, в задачах обнаружения техногенных объектов. Метод интеллектуального распознавания объектов дистанционного мониторинга, по данным оценок их теплофизических параметров с применением глубокого обучения, позволяет формировать фоноцелевую обстановку на основе генетического алгоритма, реализующего решение коэффициентной обратной задачи теплопроводности с получением оценок теплофизических параметров материалов. Для обучения модели использовался набор данных дистанционного мониторинга земной поверхности в видимом и инфракрасном диапазоне длин волн (всего вводится 18 классов объектов). Основным критерием при поиске объектов является разница возникающего теплового контраста между техногенным объектом и фоном (антропогенным или природным ландшафтом). Съемка земной поверхности осуществлялась 6 раз в течение суток с интервалом 4 часа. В эксперименте был рассмотрен период, относящийся к лету 2021 года (4–5 августа). В процессе работы модели были обнаружены искомые классы объектов с различной достоверностью. Проведенное исследования показывает применимость данной модели в задачах обнаружения и классификации техногенных объектов. DOI: 10.25791/aviakosmos.11.2023.1371 Pp. 03-14.