В разделе объясняется, почему компьютерное зрение подходит для анализа фотографий и спутниковых или беспилотных снимков местности. Формулируются проблема, цель, задачи, объект и методы проекта, обозначаются предполагаемый продукт и критерии его проверки. Отдельно уточняется, какие типы объектов будут распознаваться и почему выбранная тема связана с изучением информатики и искусственного интеллекта.

Здесь рассматриваются основные понятия компьютерного зрения: пиксель, изображение, признак, класс, объект и модель. Описывается общий путь обработки данных — от получения фотографии и предварительной подготовки до формирования прогноза. Также объясняется отличие компьютерного зрения от обычной обработки изображений и показывается, какую роль в распознавании играют алгоритмы машинного обучения.

Раздел посвящён источникам изображений и составу набора данных для проекта. Будут описаны фотографии с земли, снимки с беспилотников и картографические материалы, а также требования к разрешению, освещению и разнообразию ракурсов. Отдельно рассматриваются классы объектов, правила разметки и разделение данных на обучающую, проверочную и тестовую части.

В этом пункте сравниваются основные подходы к анализу местности: классификация изображения, обнаружение объектов и семантическая сегментация. Объясняется назначение свёрточных нейронных сетей, ограничивающих рамок и масок классов. Также обосновывается выбор конкретного метода или готовой модели с учётом сложности задачи, доступных ресурсов и уровня подготовки участника проекта.

Раздел описывает практическую подготовку к эксперименту: установку библиотек, организацию файлов, изменение размера изображений и проверку их качества. Указывается, каким образом выполняется разметка объектов и предотвращается смешение обучающих и тестовых примеров. Подготовительные действия связываются с надёжностью дальнейшего эксперимента и воспроизводимостью полученных результатов.

Здесь последовательно описывается создание прототипа: загрузка изображения, передача его в модель, получение предсказаний и визуализация результата. Будет показано, как программа выводит названия найденных классов, координаты рамок или цветовую маску. В разделе также фиксируются параметры запуска, формат входных данных и правила обработки случаев, когда объект не распознан.

В разделе приводится план эксперимента и описывается проверка прототипа на изображениях, которые не использовались при обучении. Результаты оформляются в таблице с правильными и ошибочными распознаваниями, после чего рассчитываются подходящие показатели качества. Анализируются причины ошибок, включая низкое разрешение, тени, перекрытие объектов, необычный ракурс и сходство визуальных признаков.

Этот пункт посвящён границам практического использования компьютерного зрения. Рассматриваются экологический мониторинг, картография, помощь спасательным службам и контроль состояния территорий, а также риски неверной классификации и нарушения приватности. Формулируются правила ответственного применения: проверка результатов человеком, защита персональных данных и отказ от решений, опасных без дополнительного подтверждения.

В заключении сопоставляются поставленные задачи и фактически полученные результаты работы прототипа. Обобщается, какие объекты распознаются лучше, какие условия снижают точность и насколько выбранный метод подходит для учебного анализа местности. Также намечаются направления развития проекта: расширение набора данных, добавление новых классов, улучшение разметки и проверка модели на снимках из других регионов.

В разделе приводятся использованные учебники, научно-популярные материалы, документация программных библиотек и публикации о компьютерном зрении. Источники оформляются единообразно и включают сведения об авторе, названии, годе публикации или дате обращения. Отдельно указываются наборы данных и официальные страницы моделей, применённых при подготовке практической части проекта.