Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Нейросеть ускорит «гаражную амнистию»
Российские исследователи впервые продемонстрировали возможность применения нейронной сети PointNext для проведения государственного мониторинга земель. Использование нейросети позволит автоматизировать рутинные процессы при земельном планировании и, таким образом, ускорить процесс согласования документов на право собственности.
В статье, опубликованной в «Вестнике СГУГиТ», представлены наилучшие параметры для обучения модели с тем, чтобы обеспечить максимальную точность.
Для задач строительства, приватизации требуется регулярный мониторинг территорий. Ведут его, как правило, классическим методом. Сотрудники выезжают на место и проводят визуальный осмотр. Это отнимает много времени, сказывается нехватка персонала. Ученые из МФТИ и Кубанского государственного технологического университета предложили автоматизировать этот процесс.
Авторы работы приводят в пример реализацию закона о «гаражной амнистии» в Краснодаре. Согласно этого закона, граждане могут легализовать свой гараж и приобрести в собственность земельный участок под ним. Сейчас в работе департамента муниципальной собственности находится 7000 заявлений, люди ждут согласования документов от шести до 16 месяцев, в то время как регламент отводит на все месяц.
Ускорить процесс поможет съемка территории лазерным локатором (лидаром). Для распознавания объектов исследователи предложили использовать нейронную сеть PointNext, разработанную на основе PointNet++. Это программа с открытым кодом, написанная для работы с облаками точек лазерного отражения. Ее используют для сегментации, классификации и идентификации трехмерных объектов.
«Обычно нейросети используют для распознавания объектов на фото или видео, а PointNext работает с облаком точек лазерного отражения. Поэтому мы решили использовать ее», — пояснил Сергей Самарин, аспирант Физтех-школы радиотехники и компьютерных технологий МФТИ.
Лидар сканирует территорию лазерными импульсами, по времени их возвращения он определяет расстояние до объекта. В результате получается массив точек. Именно его и передают в нейросеть.
Но чтобы она выдала качественный результат, ее нужно обучить. Для этого используют эталонные наборы данных. В данном случае ученые воспользовались системой Terra_Maker, разработанной в Кубанском государственном университете. С ее помощью сгенерировали массив точек лазерного отражения участка размером 1000 на 1000 метров, где находится более 500 объектов недвижимости. Общее количество точек — более 4,7 миллионов. Все они были размечены на пять классов: земля, крыши зданий, низкая растительность, средняя растительность, высокая растительность.
Для оценки качества работы модели используют различные метрики, в первую очередь точность (accuracy), которая показывает долю верных ответов. Хорошая точность стремиться к 100 процентам (но не равна им). Чтобы получить максимальную точность, нужно правильно подобрать параметры работы нейросети. Именно эту задачу решали авторы исследования. Они перенастроили специально под нее PointNext и приступили к обучению.
Потребовалось 12 экспериментов, в результате которых определили оптимальное количество точек для одного обучаемого образца, размер сетки и количество эпох (когда через алгоритм проходит весь набор данных). В исследовании применяли функцию потерь CrossEntropy loss, оптимизатор Adam optimizer, экспоненциальное убывание скорости обучения (Step Decay).
Результата работы нейросети представлен в виде трехмерных графиков с точками, покрашенными определенным цветом. Крыша здания, к примеру, сиреневая, высокая растительность — красная.
Наиболее точный результат получили при 2500 точек в одном обучающем образце и сетке 25 метров. В процессе обучения выявили закономерность — чем меньше сторона сетки и меньше точек в облаке, тем выше точность. Если добавить в датасет информацию о цвете, то точность несколько снижается, но не существенно. В целом, чем меньше параметров, тем более эффективно предсказывает модели. Наилучшая точность, полученная в эксперименте — 0,9998. Такой результат, близкий к единице, говорит об идеальном наборе данных, с которыми работала нейросеть. С реальным датасетом, где есть искажения и шумы, точность будет ниже.
Следующим шагом ученые намерены задействовать воздушное лазерное сканирование на реальных объектах с последующей камеральной обработкой данных нейросетью.
«Вместо того, чтобы тратить целый день на обход земельных участков, мы запускаем беспилотник с лидаром, делаем съемку. Чистим данные от шумов и отправляем в нейросеть. Она сегментирует и классифицирует данные так, что мы понимаем, где на территории есть здания, например, гараж», — поделился планами Сергей Самарин.
Эта работа важна не только для реализации закона о «гаражной амнистии», но также для выявления незаконного строительства, контроля за нарушениями при строительстве, например, соблюдении этажности, отступов от границ земельных участков.
(опубликовано при поддержке гранта Минобрнауки России в рамках федерального проекта «Популяризация науки и технологий» № 075-15-2024-571)
Telegram 
Дзен 
VK Ученые описали новый для науки вид пескарей из бассейна реки Урал и потому назвали его Gobio uralensis. Оказалось, что этот вид по внешним признакам (морфологии) наиболее близок к волжскому пескарю, обитающему на территории Европейской части России, а генетически — к маркакольскому, населяющему реки Казахстана и Китая. Это может говорить о том, что уральский пескарь появился в далеком прошлом в результате гибридизации европейских и азиатских линий пескарей.
В Бразилии проживает более 200 миллионов человек, немалую долю которых занимают потомки иммигрантов. Колонизация с XV по XX века считается самым масштабным переселением народов в истории. Порядка пяти миллионов человек переселились туда из Европы. Столько же насильно переместили с Африканского континента. Сегодня бразильцы — это наиболее генетически разнородная нация, и одна из самых малоизученных. Поэтому неудивительно, что новая работа по результатам полногеномного анализа населения принесла целый ряд открытий.
Наверное, каждому когда-то доводилось долго биться над задачей, а затем вдруг находить решение и от пришедшей в голову догадки испытывать желание крикнуть «Эврика!», как по легенде сделал древнегреческий ученый и философ Архимед, когда открыл принцип вытеснения. Недавно нейробиологи с помощью томографии проследили, что происходит в такие моменты в мозге. Оказалось, что эти процессы способствуют лучшему запоминанию.
Мохаммад Х. Аттаран (Mohammad H. Attaran) — концепт-дизайнер и цифровой художник, работающий в Великобритании. В своих проектах он сочетает эстетику научной фантастики с элементами, вдохновлёнными природой, особенно анатомией насекомых. Его машины, мехи и транспортные средства выглядят одновременно инопланетно и инженерно достоверно. Ну или почти.
Сегодня исполнилось 38 лет с момента первого летного испытания последнего советского космического гиганта — сверхтяжелой ракеты-носителя «Энергия». Ее запустили 15 мая 1987 года. Технически успешный проект дошел до полностью рабочего изделия, безупречно выполнившего два испытательных полета. Но так и не дошел до летной эксплуатации по причинам, от него уже не зависевшим. А запуск ракеты прошел тогда безупречно, хотя и не без особенностей — и одним из участников этих испытаний был автор Naked Science. Но обо всем по порядку.
Ученые из МФТИ и МГУ провели важное исследование фундаментальных законов природы, значительно расширив возможности одного из самых перспективных инструментов для исследования М-теории — гипотетической «теории всего». Они обобщили математический метод, известный как три-векторные деформации, на полные, без каких-либо упрощений, уравнения 11-мерной супергравитации в рамках исключительной теории поля. Результатом стали явные «рецепты» того, как можно систематически изменять (или «деформировать») геометрию и поля любого известного 11-мерного пространства-времени, чтобы получить новые, ранее неизвестные решения, подчиняющиеся тем же элегантным алгебраическим условиям, что и в более простых случаях.
Да, с волосами и люком все так. У космонавта Суниты Уильямс волосы на МКС плавали свободно, а у Кэти Пэрри и прочих в полете 14 апреля 2025 года — нет. Но это не значит, что суборбитального космического полета первого чисто женского экипажа не было или что он был инсценировкой. Причем, в общем-то, чтобы понять это, даже не нужно обладать специальными знаниями.
Мощнейшее отключение электроэнергии за последние 20 лет истории Европы случилось уже неделю назад, а испанские власти пока так и не объявили о его причинах. Это логично: как мы покажем ниже, ответ на вопрос, кто виноват, получится очень неполиткорректным. И, более того, противоречащим линии правящей в Испании партии. Но мы живем за тысячи километров от нее, поэтому можем себе позволить аполитичный анализ случившегося. Так что же произошло на самом деле и каковы наши шансы увидеть подобное у себя дома?
Инженеры компании UST Inc. разработали передовой рельсовый беспилотник, способный передвигаться на скорости до 500 километров в час. Юнибус U5-75304 предназначен для перевозки пассажиров и может в перспективе заменить среднемагистральную авиацию. Давайте узнаем, как конструктивные особенности обеспечивают продолжительное движение на больших скоростях, комфорт и безопасность пассажирам.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно