Краснодар, Краснодарский край, Россия
УДК 528.44 Кадастровые съемки
В научной статье рассматриваются особенности разметки объектов недвижимости, полученных на ортофотоснимках с помощью инструмента Label Studio, а также введение искусственного интеллекта в программное обеспечение для совершенствования работы с пространственными данными и создание соответствующей методики. В процессе исследования представлены этапы разметки, включая подготовку информации, настройку интерфейса, а также методы и технологии, способствующие повышению точности, эффективности и оптимизации, упрощению нанесения данных. Пользователи смогут решать различные типы задач, такие как классификация, сегментация, детекция и тегирование, которые позволяют точно размечать границы объектов недвижимости и сокращать время работы. Выполнение практической части обеспечивает анализ полученных результатов исследования, который направлен на решение проблемы в масштабном определении точной информации о пространственных данных. Инструмент прост в использовании и поддерживает интеграцию с различными системами машинного обучения. Используя аннотированные данные для обучения модели детекции, можно обеспечивать автоматизированное выделение границ объектов недвижимости. Полученные результаты исследования показывают, что применение Label Studio способствует развитию и расширению возможностей разработки проектов дистанционного зондирования. Статья будет актуальна специалистам, занимающимся геоинформационными технологиями, ортофотосъемкой, дешифрированием снимков, а также рассматривающим сведения об объектах недвижимости.
объекты недвижимости, искусственный интеллект, разметка данных, пространственные данные, машинное обучение, ортофотоснимки
1. Алябьев А.А., Литвинцев К.А., Кобзев А.А. Фотограмметрия в кадастре недвижимости. Геодезия и картография. 2021;82(8):27-35.
2. Бесшапошников Н.О., Кузьменко М.А., Леонов А.Г., Матюшин М.А. Автоматизация разметки набора данных для нейронных сетей. Вестник кибернетики. 2018; 32(4):204-210.
3. Брязгин Г.К. Методика извлечения контуров зданий из офф-надир методами глубокого обучения. Флагман науки. 2025;1(24):309-314.
4. Глебова Е.А.1, Хайтбаева А.Б. Разметка объектов на изображении для машинного обучения: сравнение сегментации и детекции. Информационно-телекоммуникационные системы и технологии. 2024:148-150.
5. Гордиенко А.С. Исследование свободного программного обеспечения для фотограмметрической обработки аэроснимков. Интерэкспо ГЕО-Сибирь. 2024;4(1):64-68.
6. Гура Д.А. Применение технологий искусственного интеллекта в кадастре и геодезии: современное состояние и перспективы. Вестник СГУГИТ (Сибирского государственного университета геосистем и технологий). 2025;30(1):126-136.
7. Гура Д.А. Применение технологий машинного обучения для распознавания крыш объектов недвижимости. Цифровые, компьютерные и информационные технологии в науке и образовании. 2023:301-309
8. Жигалов К.Ю., Маркова С.В. Использование систем искусственного интеллекта для автоматизированного обновления картографического материала в реальном времени. Московский экономический журнал. 2021;1:3.
9. Зарипова Д.Н. Применение свёрточных нейронных сетей (CNN) для детекции объектов на аэроснимках. Вестник науки. 2025;2(5(86)):808-815.
10. Катермина Т.С., Ферберт И.И. Разработка программ для разметки и просмотра меток на изображении для создания набора данных. Современное программирование. 2024:54-59.
11. Лабинцев А.И., Шабалин М.С. Оптимизация моделей детекции объектов на снимках беспилотных летательных аппаратов. Образовательный научный форум "Вратами учёности". 2024:58-60.
12. Набиуллин Д.А., Кононова В.В., Новикова С.В. Метод автоматизированной разметки больших данных с использованием нейронных сетей. Вестник технологического университета. 2021; 24(6):103-107.
13. Паластрова В.Ю. Особенности модели нейронной сети для детекции объектов на изображении. Проблемы и перспективы развития АПК региона. 2023:143-148.
14. Пиримов Ж.Ж., Шеркулов Ш.Ж.У. Зарубежный опыт использования аэрокосмических снимков при создании ортофотопланов различных масштабов. Актуальные проблемы современной науки 2022;6(126):30-33.
15. Чибуничев А.Г., Кобзев А.А. Исследование возможности совместной фотограмметрической обработки разновременных аэроснимков. Известия высших учебных заведений. Геодезия и аэрофотосъемка. 2021;65(3):292-301.
16. Fedulin A.M., Voloshina N.V. Fast labeling pipeline approach for a huge aerial sensed dataset. Scientific and technical journal of information technologies, mechanics and optics. 2024; 24(2):190-197.
