МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ В АНАЛИЗЕ ВИЗУАЛЬНЫХ ДАННЫХ ДЛЯ 3D-МОДЕЛИРОВАНИЯ ГОРОДСКОЙ ИНФРАСТРУКТУРЫ

Аннотация

В статье рассматриваются методы машинного обучения, применяемые для анализа визуальных данных (фото- и видеоматериалов), полученных с камер наблюдения, с целью построения трёхмерных моделей городской инфраструктуры. Обоснована актуальность автоматизации пространственного анализа в условиях роста объёмов визуальной информации. В исследовании применены 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 метрикам MAE, IoU и F1-score, что позволило объективно оценить их применимость для задач 3D-моделирования городской инфраструктуры. Научная новизна заключается в комплексной интеграции методов машинного обучения и компьютерного зрения для создания цифровых двойников городской среды. Практическая значимость подтверждается возможностью использования разработанных решений в системах территориального планирования и мониторинга городской инфраструктуры.