В настоящее время активно развиваются различные методы аугментации, т. е. искусственное размножение исходных данных на основе различных преобразований для увеличения выборки при машинном обучении. В статье приведено исследование изменения структуры изображений после преобразований. В качестве исходных данных рассматриваются изображения из спутниковых снимков. Проводится сравнение структуры исходных снимков с наборами изображений, сформированных различными фильтрами. Показаны численные результаты сравнения изображений на основе топологических свойств объектов и индекса структурного сходства SSIM.

Еремеев Сергей Владимирович
Кандидат технических наук, доцент
Доцент кафедры «Информационные системы»
Муромский институт (филиал) ФГБОУ ВО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых»
602264 Муром, Владимирская обл., ул. Орловская, д. 23
e-mail: sv-eremeev@yandex.ru
ORCID: 0000-0001-8482-1479
SPIN-код: 3020-9020
AuthorID: 618264

Абакумов Артем Владимирович
Аспирант кафедры «Информационные системы»
Муромский институт (филиал) ФГБОУ ВО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых»
602264 Муром, Владимирская обл., ул. Орловская, д. 23
e-mail: artem210966@yandex.ru
ORCID: 0000-0001-5784-7147
SPIN-код: 3267-3100
AuthorID: 1082668

Панкратов Денис Андреевич
Аспирант кафедры «Информационные системы»
Муромский институт (филиал) ФГБОУ ВО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых»
602264 Муром, Владимирская обл., ул. Орловская, д. 23
e-mail: denis_pankratov2000@mail.ru

Хавронин Богдан Антонович
Студент кафедры «Информационные системы»
Муромский институт (филиал) ФГБОУ ВО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых»
602264 Муром, Владимирская обл., ул. Орловская, д. 23
e-mail: ev3nt.official@gmail.com

1. Сирота А.А., Акимов А.В., Отырба Р.Р. Деформирующие преобразования изображений и их применение при аугментации данных для обучения глубоких нейронных сетей // Информатика и автоматизация. – 2024. – Т. 23. – № 2. – С. 407–435. DOI: 10.15622/ia.23.2.4.
2. Емельянов С.О., Иванова А.А., Швец Е.А., Николаев Д.П. Методы аугментации обучающих выборок в задачах классификации изображений // Сенсорные системы. – 2018. – Т. 32. – № 3. – С. 236–245. DOI: 10.1134/S0235009218030058.
3. Чупикова С.А., Чульдум А.Ф. Геоинформационные и дистанционные методы при оценке загрязнения снежного покрова (г. Кызыл) // Геоинформатика.  – 2023. – № 1. – С. 63–70. DOI: 10.47148/1609-364X-2023-1-63-70.
4. Порывай М.В. Сравнительное исследование методов естественной аугментации изображений // International Journal of Open Information Technologies. – 2024. – Т. 12. – № 10. – С. 26–33.
5. Alomar K., Aysel H.I., Cai X. Data Augmentation in Classification and Segmentation: A Survey and New Strategies // Journal of Imaging. – 2023. – Vol. 9. – Iss. 2. – 46. DOI: 10.3390/jimaging9020046.
6. Xu M., Yoon S., Fuentes A., Park D.S. A Comprehensive Survey of Image Augmentation Techniques for Deep Learning // Pattern Recognition. – 2023. – Vol. 137. – 109347. DOI: 10.1016/j.patcog.2023.109347.
7. Еремеев С.В., Абакумов А.В., Андрианов Д.Е., Титов Д.В. Метод разложения изображения по топологическим признакам // Компьютерная оптика. – 2022. – Т. 46. – № 6. – С. 939–947. DOI: 10.18287/2412-6179-CO-1080.
8. Еремеев С.В., Абакумов А.В., Крайнов С.А., Козлов А.С. Использование метода декомпозиции изображений по топологическим признакам для обработки спутниковых снимков // Геоинформатика. – 2023. – № 4. – С. 74–80. DOI: 10.47148/1609-364X-2023-4-74-80.
9. Еремеев С.В., Абакумов А.В., Андрианов Д.Е. Богоявленский И.В., Никонов Р.А. Обнаружение многолетних бугров пучения с использованием декомпозиции цифровых моделей рельефа по топологическим признакам // Современные проблемы дистанционного зондирования Земли из космоса. – 2023. – Т. 20. – № 6. – С. 129–143. DOI: 10.21046/2070-7401-2023-20-6-129-143.
10. EuroSAT: Land Use and Land Cover Classification with Sentinel-2 [Электронный ресурс]. – Режим доступа: https://github.com/phelber/EuroSAT (дата обращения: 10.11.2024).
11. Satellite Image Segmentation Using PyTorch [Электронный ресурс]. – Режим доступа: https://github.com/obravo7/satellite-segmentation-pytorch (дата обращения: 10.11.2024).
12. Simard P.Y., Steinkraus D., Platt J.C. Best practices for convolutional neural networks applied to visual document analysis // Seventh International Conference on Document Analysis and Recognition, 2003: Proceedings (Edinburgh, 06 August 2003). – 2003. – Vol. 3. – pp. 958–963. DOI: 10.1109/ICDAR.2003.1227801.