Титульная страница Программные системы: теория и приложения  English version
ISSN 2079-3316 Двуязычный электронный научный Электронный научный журнал Института программных систем имени А. К. Айламазяна ИПС им. А. К. Айламазяна ИПС Российской Академии Наук РАН 12+ 
Том 16 (2025) .– Выпуск 1 (64) .– Статья № 1 (443)

Прикладные программные системы

Научная статья
УДКУниверсальная десятичная классификация 004.932.72: 004.89УДК 004: Информационные технологии. Компьютерные технологии. Теория вычислительных машин и систем УДК 004.932: Обработка изображений УДК 004.932.72: Объекты на изображениях УДК 004.89: Прикладные системы искусственного интеллекта. Интеллектуальные системы, обладающие знаниями
ББКБиблиотечно-библиографическая классификация 32.813.5: 32.973.202-018ББК 32: Радиоэлектроника ББК 32.813: Искусственный интеллект ББК 32.813.5: Системы искусственного интеллекта ББК 32.973: Программирование ББК 32.973.202-018: Программное обеспечение
ГРНТИГосударственный рубрикатор научно-технической информации 28.23.15ГРНТИ 28: КИБЕРНЕТИКА ГРНТИ 28.23: Искусственный интеллект ГРНТИ 28.23.15: Распознавание образов. Обработка изображений
DOIЦифровой идентификатор интернет-объекта 10.25209/2079-3316-2025-16-1-3-44

Использование модели Mask R-CNN для сегментации объектов недвижимости на аэрофотоснимках

Игорь Викторович ВинокуровПереписывавшийся автор

Финансовый Университет при Правительстве Российской Федерации, Москва, Россия
Игорь Викторович Винокуров — Переписывавшийся автор igvvinokurov@fa.ru

Аннотация. Массовое появление незаконных и незарегистрированных в Едином Государственном Реестре Недвижимости (ЕГРН) объектов недвижимости осложняет кадастровый учёт для многих субъектов территориального и административного уровня. Традиционные методы выявления объектов подобных типов, основанные на ручном анализе геопространственных данных, трудоёмки и требуют значительного времени.

Для повышения эффективности этого процесса предлагается автоматизировать обнаружение объектов на аэрофотоснимках путём решения задачи инстанс-сегментации с использованием модели глубокого обучения Mask R-CNN. В статье описана подготовка набора данных для этой модели, исследованы основные метрики качества и проанализированы полученные результаты. Показана эффективность модели Mask R-CNN при обнаружении объектов недвижимости, не имеющих регистрации в ЕГРН. (Связанные тексты статьи на английском и на русском языках).

Ключевые слова: Кадастровый учёт, анализ аэрофотоснимков, инстанс-сегментация, Mask R-CNN, PyTorch

Для цитирования: Винокуров И. В. Использование модели Mask R-CNN для сегментации объектов недвижимости на аэрофотоснимках // Программные системы: теория и приложения. 2025. Т. 16. № 1. С. 3–44. (Англ., Рус.). https://psta.psiras.ru/2025/1_3-44.

Полный текст двуязычной статьи (PDF): https://psta.psiras.ru/read/psta2025_1_3-44.pdf (клик по флажку в верхнем колонитуле переключит язык страницы).

Русскоязычная часть двуязычной статьи (PDF): https://psta.psiras.ru/read/psta2025_1_3-44-ru.pdf.

Статья поступила в редакцию 21.10.2024; одобрена после рецензирования 24.12.2024; принята к публикации 11.01.2025; опубликована онлайн 31.01.2025.

© Винокуров И. В.
2025
Адрес редакции: 152021, Ярославская обл., Переславский район, село Веськово, ул. Петра Первого, д. 4а, Институт программных систем имени А. К. Айламазяна РАН;   Сетевой адрес издания:  http://psta.psiras.ru  Тел: +7(4852) 695-228 ;  E-mail: info@psta.psiras.ru ;  Лицензия: CC-BY-4.0Текст лицензии на сайте Creative Commons 
© Федеральное государственное бюджетное учреждение науки Институт программных систем имени А. К. Айламазяна Российской академии наук (дизайн сайта) 2010–2025