ОБҐРУНТУВАННЯ ТИПУ ФРЕЙМВОРКІВ ГЛИБОКОГО НАВЧАННЯ ДЛЯ ОБРОБЛЕННЯ ДАНИХ ДИСТАНЦІЙНОГО ЗОНДУВАННЯ ЗЕМЛІ

Анотація

Важливим завданням у ході обробки даних дистанційного зондування Землі
є автоматизація процесу дешифрування аерокосмічних знімків, зокрема виявлення та розпізнавання об’єктів у військовому дешифруванні. У статті розглянуто напрями автоматизації дешифрування знімків та виділено з них перспективний, що ґрунтується на використанні нейронних мереж глибокого навчання. Також проаналізовано технічні завдання, які виникають у ході створення алгоритмів та розгортання навчених моделей на різноманітних мобільних пристроях. З’ясовано важливу роль програмних каркасів глибокого навчання в процесі тренування моделей нейромереж, метою яких є полегшення розробки та розгортання. Проаналізовано зміни популярності програмних каркасів протягом останніх років та акцентовано на потребі аналізу їх можливостей, що динамічно змінюються. Досліджено найпоширеніші програмні фреймворки для втілення підходів глибокого навчання, їх переваги та недоліки щодо розв’язання завдань тематичного дешифрування на доступних обчислювальних ресурсах. Розглянуто типи обчислювального графа, які використовують програмні каркаси глибокого навчання, та мови програмування, за допомогою яких можна створювати та розгортати моделі нейромереж. Здійснено аналіз фреймворків за обраними критеріями: розподілене виконання, оптимізація архітектури, відображення процесу навчання, спільна підтримка та портативність.  У результаті виділено програмний каркас, який слід використовувати для проведення досліджень, та зроблено висновок про переважний фреймворк у промисловому використанні в ході глибокого навчання нейронної мережі для оброблення даних дистанційного зондування Землі.