MACHINE LEARNING METHODS FOR 3D RECONSTRUCTION OF URBAN ENVIRONMENTS
В статье рассматриваются методы машинного обучения, применяемые для анализа визуальных данных (фото-и видео-материалов), полученных с камер наблюдения, с целью построения трёхмерных моделей городской инфраструктуры. Обоснована актуальность автоматизации пространственного анализа в условиях роста объёмов визуальной информации. В исследовании приме-нены современные алгоритмы машинного обучения, включая логистическую регрессию, деревья решений, случайный лес, методы кластеризации и глубокие нейронные сети (U-Net, ResNet, ViT). Проведено количественное сравнение всех моделей по мет-рикам MAE, IoU и F1-score, что позволило объективно оценить их применимость для задач 3D-моделирования городской инфра-структуры. Научная новизна заключается в комплексной интегра-ции методов машинного обучения и компьютерного зрения для создания цифровых двойников городской среды. Практическая значимость подтверждается возможностью использования разра-ботанных решений в системах территориального планирования и мониторинга городскойинфраструктуры.
Сведения
- Опубликовано
- 2025 · Т. 1, № 3, С. 5-17
- Язык
- Английский
- ISSN
- 1561-4212 · 2789-8210 · 3134-8009 · 3134-8017
- Издатель
- D. Serikbayev East Kazakhstan Technical University
- Аффилиации
- Казахский национальный исследовательский технический университет имени К.И. Сатпаева
Университет международного бизнеса имениК. Сагадиева
Автор-корреспондент: Акылбеков Олжас Наурызбаевич