| |
В данной статье рассматривается применение различных методов ИИ для повышения точности и автоматизации процесса фотограмметрии для создания 3D-моделей. Основное внимание уделяется использованию передовых методов глубокого обучения, таких как сегментация изображений, создание карт глубины и улучшение изображений (Super-Resolution), чтобы улучшить ключевые этапы фотограмметрической обработки. В данной статье анализируется роль нейронных сетей в автоматизации таких задач, как выявление ключевых точек и создание точных битовых масок, что позволяет ускорить процесс сегментации и исключить ошибки, возникающие при ручной обработке.
В статье отдельное внимание уделяется двум наиболее перспективным возможным интеграциям моделей нейронных сетей.
Метод сегментации помогает точно выделять целевые объекты на изображениях, отделяя их от фона и нежелательных элементов. Для демонстрации применения подхода используется сервис CVAT, на базе предобученной модели Mask R-CNN. Продемонстрирован результат работы сервиса в виде изображения с аннотированными данными в автоматическом режиме, а также созданные битовые маски высокого качества.
В конце рассматривается метод Super-Resolution, позволяющий повысить разрешение исходных изображений, тем самым улучшая детализацию и качество 3D-моделей. В качестве возможного инструмента используется предобученная нейронная сеть VGG19, рассматривается ее базовый принцип работы. В качестве результатов продемонстрирована модель, созданная при помощи улучшенных данных. По результатам работы метода Super-Resolution получилось достичь улучшения качества 3D модели в 2,5 раза.
В заключении подчеркивается, что интеграция нейронных сетей в фотограмметрии открывает перспективу значительного ускорения и автоматизации процессов, когда необходимо подготовить большое количество изображений, необходимых для создания 3D-моделей. В качестве недостатков выделяется большое количество обучающих данных, и значительные затраты времени на обучение, а также весьма высокие требования к вычислительным ресурсам.
Ключевые слова:нейронная сеть, Super-Resolution, фотограмметрия, сегментация изображений, битовая маска, Depth map
|
ПРАВОВАЯ
ИНФОРМАЦИЯ:
