DOI: 10.17587/prin.17.14-23

УДК: 004.932, 004.93'1

Модели глубокого обучения в задачах перекрестной геолокализации, учитывающих контекстную информацию

Т. В. Ермоленко, канд. техн. наук, доц., naturewild71@yandex.ru, В. И. Бондаренко, канд. техн. наук, доц., mail@vibondarenko.ru, Донецкий государственный университет

Представлен краткий обзор современных моделей глубокого обучения, разработанных для решения задачи перекрестной геолокализации, которая состоит в сопоставлении аэроснимков, полученных с БПЛА, и спутниковых средств, имеющих геометки. Рассмотренные модели (локальная сеть шаблонов, сеть на основе Vision Transformer, многомодальные архитектуры) имеют сверточную архитектуру и учитывают контекст. Приведены результаты сравнительного анализа производительности и точности рассмотренных моделей.

Ключевые слова: перекрестная геолокализация, локальная сеть шаблонов, Vision Transformer, Feature Segmentation and Region Alignment, слияние признаков разных модальностей, многоветочная сеть слияния признаков

Стр. 14—23

Ссылка для цитирования:
Ермоленко Т. В., Бондаренко В. И. Модели глубокого обучения в задачах перекрестной геолокализации, учитывающих контекстную информацию // Программная инженерия. 2026. Том 17, № 1. С. 14—23. DOI: 10.17587/prin.17.14-23.

Полный текст на eLIBRARY