ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2019 г.)
2-летний импакт-фактор РИНЦ: 0,597
2-летний импакт-фактор РИНЦ без самоцитирования: 0,466
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 1,051
5-летний импакт-фактор РИНЦ: 0,466
5-летний импакт-фактор РИНЦ без самоцитирования: 0,395
Суммарное число цитирований журнала в РИНЦ: 7808
Пятилетний индекс Херфиндаля по цитирующим журналам: 295
Индекс Херфиндаля по организациям авторов: 369
Десятилетний индекс Хирша: 20
Место в общем рейтинге SCIENCE INDEX за 2019 год: 272
Место в рейтинге SCIENCE INDEX за 2018 год по тематике "Автоматика. Вычислительная техника": 6

Больше данных по публикационной активности нашего журнале за 2008-2018 гг. на сайте РИНЦ

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Сентября 2020

В Тихоокеанском государственном университете совместно с Колледжем сервиса и дизайна при Владивостокском университете экономики и сервиса, и Самарским филиалом Волжского государственного университета водного транспорта разработан метод, применяющий многослойную нейронную сеть для автоматического выделения дорожного покрытия на космических снимках земной поверхности.

02.09.2020

Городская автодорожная инфраструктура является одной из самых важных для построения карт местности на основе спутниковых изображений. При приобретении и обновлении географической информации, как правило, необходимо привлечение ручного труда, который требует значительных временных и материальных затрат. Процедура детектирования дорожного полотна предоставляет средства для создания, поддержания и обновления транспортной сети и может быть использована для решения многих других практических задач, относящихся к регулированию транспортных потоков и грузоперевозок. Значительный объем обрабатываемых данных позволяет предположить, что облачное хранение улучшит технологическую базу процессов обновления данных геоинформационных систем (ГИС). Качественное детектирование дорожного покрытия на спутниковых снимках может оказать помощь при исследовании глобальных изменений дорожной сети, а также найти применение для решения ряда других исследовательских задач. Постоянный рост доступности спутниковых снимков высокого и сверхвысокого пространственного разрешения способствует расширению областей его применения в практических задачах.

Подробное описание дается в статье «Настройка и обучение многослойного персептрона для задачи выделения дорожного покрытия на космических снимках города», авторы: Тормозов В.С. (Тихоокеанский государственный университет, Хабаровск), Василенко К.А. (Колледж сервиса и дизайна при Владивостокском университете экономики и сервиса (ВГУЭС), Владивосток), Золкин А.Л. (Самарский филиал Волжского государственного университета водного транспорта, Самара).