🌍 Представили ИИ-исследование по суперразрешению спутниковых снимков на конференции IEEE ISIE 2025📢 Работа исследователей Центра ИИ Сколтеха была принята к очному докладу на IEEE International Symposium on Industrial Electronics (ISIE 2025) — одной из ключевых международных конференций IEEE по промышленной электронике и интеллектуальным системам. Исследование было представлено на конференции в рамках секции по машинному зрению и спутниковым данным в Торонто, Канада одним из соавторов, Хулио Сесар Родригес-Киньонесом (Julio Cesar Rodríguez-Quiñonez), доктором технических наук, профессором Автономного университета Нижней Калифорнии (Мексика).🛰 В работе Diffusion-Based Super-Resolution of Sentinel-2 Imagery for Improved Forest Species Classification команда исследователей предложила применять нейросетевые модели для повышения разрешения мультиспектральных снимков спутника Sentinel-2 с дальнейшим их использованием для задачи классификации и сегментации. Было проведено сравнение моделей RCAN и EDIffSR и выявлено, что диффузионная модель EDiffSR обеспечивает лучшее качество восстановления пространственных деталей при значительно меньших вычислительных затратах, в отличие от классических диффузионных архитектур. При этом модель EDiffSR была адаптирована под мультиспектральные данные с разным пространственным разрешение по каналам.Адаптированная модель EDiffSR была обучена и протестирована на открытом датасете SEN2VENµS с 8 спектральными каналами, решая задачу повышения разрешения с 10-20 м до 5 м с двух и четерых кратным повышением разрешения. Результаты показали, что объединение оригинальных снимков и повышенного разрешения с помощью EDIffSR позволяет существенно повысить точность классификации древесных пород (по 16 классам) — особенно для редких типов леса, ранее плохо распознаваемых. Такой подход позволяет не только улучшить экологический мониторинг, но и предоставляет новые возможности получения более дешёвых данных без дополнительных требований к аппаратуре спутника.💡 В качестве нейростетевого классификатора применялась архитектура UNet++ с энкодером EfficientNet-B0, а итоговая модель при использовании комбинированных данных оригинального и повышенного разрешения показала прирост качества классификации более чем на 5% по F1-метрике.👨🔬 Авторы исследования из Центра ИИ Сколтеха:— Никита Беляков, аспирант,— Светлана Илларионова, руководитель научной группы,— Усман Тасуев, инженер-программист,— Евгений Бурнаев, директор Центра ИИ Сколтеха, профессор,— Олег Сергиенко, приглашённый профессор Автономного университета Нижней Калифорнии (Мексика).📄 Статья будет опубликована в сборнике конференции осенью. Пока доступен препринт: 👉 PDF
