Новий набір даних та модель штучного інтелекту підвищують точність і швидкість кадастрового картографування.
Досі прогрес у цифровізації кадастру гальмував брак великого відкритого набору даних (dataset), який поєднував би зображення Землі з точними кадастровими межами. Для інших завдань дистанційного зондування (будівлі, дороги, класифікація покриття) такі набори даних вже існують, але для кадастру — ні. Це обмежувало розвиток алгоритмів та їхню здатність узагальнювати результати на нові території.
Нідерландські дослідники представили великий відкритий набір даних CadastreVision та глибоку нейронну мережу CadNet, які значно підвищують точність і ефективність автоматичного виділення кадастрових меж.
У чому суть новації?
CadastreVision — перший масштабний відкритий набір даних для кадастрового картографування. Він об’єднує офіційні кадастрові дані з високоякісними знімками різної роздільної здатності: від детальних аерофото до супутникових зображень. Особливість CadastreVision полягає в поділі меж на видимі (дороги, водойми, паркани, будівлі) та невидимі (умовні, що не відображаються на знімках). Це вперше дозволяє об’єктивно оцінювати роботу моделей як на простих, так і на складних ділянках.
CadNet — модель штучного інтелекту для точного виділення меж. На основі CadastreVision було створено глибоку U-подібну нейронну мережу, яка поєднує сегментацію з аналізом зв’язності пікселів. Вона формує тонкі, чисті та добре з’єднані лінії меж, готові для конвертації у векторний формат та інтеграції у кадастрові системи. Порівняння з базовими архітектурами показало, що CadNet працює точніше й забезпечує кращу цілісність меж, особливо на складних ділянках із природними чи нерівними кордонами.
Результати тестування
При випробуванні на сільських територіях CadNet продемонстрував вищу точність у порівнянні з базовими моделями, зокрема архітектурами на основі ResNet та трансформерів. Лінії меж були більш безперервними, з меншими розривами навіть у складних випадках — наприклад, уздовж меж полів або ділянок із густою рослинністю. Візуальні перевірки підтвердили, що межі, згенеровані CadNet, значно ближчі до реальних кадастрових даних і практично готові до використання без суттєвого ручного доопрацювання.
Перспективи та значення
CadastreVision і CadNet відкривають нові можливості для цифровізації кадастрового картографування. Вперше з’явився відкритий набір даних, що дозволяє масштабувати дослідження та тестувати алгоритми штучного інтелекту. Модель CadNet довела практичну ефективність для точного виділення меж, суттєво зменшуючи потребу в ручній роботі та прискорюючи реєстрацію земельних прав. У перспективі ці технології можуть стати основою для повністю автоматизованих кадастрових систем, що працюватимуть у різних країнах і умовах.
Джерело: GIM International
