А. В. Пролетарский – д.т.н., профессор, декан факультета «Информатика и системы управления», Московский государственный технический университет им. Н.Э. Баумана

E-mail: pav@bmstu.ru

Д. В. Березкин – к.т.н., доцент, кафедра «Компьютерные системы и сети», Московский государственный технический университет им. Н.Э. Баумана

E-mail: berezkind@bmstu.ru

В. И. Терехов – к.т.н., доцент, кафедра «Системы обработки информации и управления», Московский государственный технический университет им. Н.Э. Баумана

E-mail: terekchow@bmstu.ru

П. А. Секирин – магистрант, кафедра «Системы обработки информации и управления», Московский государственный технический университет им. Н.Э. Баумана

E-mail: sekirinp@gmail.com

И. Е. Сергеев – магистрант, кафедра «Компьютерные системы и сети», Московский государственный технический университет им. Н.Э. Баумана

E-mail: ilay19940@gmail.com

В. Ю. Сидоров – магистрант, кафедра «Компьютерные системы и сети», Московский государственный технический университет им. Н.Э. Баумана

E-mail: sidorow.valentin@gmail.com

Выработан подход к созданию гибридной интеллектуальной системы (ГИС) определения местоположения объектов по их фотографиям.

Проведен анализ существующих подходов к геолокации фотографий, предложен алгоритм работы ГИС. Рассмотрены вопросы фильтрации шумов на фотографии, методы удаления фона, нейросетевые методы оценки близости фотографий, выделения на них наиболее важных признаков для последующего анализа.

Для формирования итоговых результатов анализа предложено использовать онтологический подход, что позволяет уточнить результаты геолокации и обосновать принятые ГИС выводы.

1. Средство для проверки метаданных фотографии Jeffrey's Image Exif Viewer [Электронный ресурс] / URL: http://exifviewer.com/.
2. Zaharieva M., Zeppelzauer M., Breiteneder C. Automated social event detection in large photo collections // Proc. of the 3rd ACM Conference on International Conference on Multimedia Retrieval. ACM. New York. 2013. P. 167–174.
3. Суслов С.И., Гаврикова К.В. Места притяжения граждан в городском пространстве на примере Красногвардейского района Санкт-Петербурга // Общество: политика, экономика, право. 2017. № 5.
4. Weyand T., Kostrikov I., Philbin J. Planet-photo geolocation with convolutional neural networks // European Conference on Computer Vision. Springer, Cham. 2016. P. 37–55.
5. Street View Static API [Электронный ресурс] / URL: https://developers.google.com/maps/documentation/streetview/intro ?hl=en.
6. Открытая библиотека компьютерного зрения OpenCV [Электронный ресурс] / URL: https://opencv.org/.
7. Shperber G. Background removal with deep learning [Электронный ресурс] // Towards Data Science. 2017. URL: https:// towardsdatascience.com/background-removal-with-deep-learning-c4f2104b3157 (дата обращения: 08.12.2018).
8. Seif G. Semantic segmentation with deep learning [Электронный ресурс] // Towards Data Science. 2018. URL: https://towards datascience.com/semantic-segmentation-with-deep-learning-a-guide-and-code-e52fc8958823 (дата обращения: 08.12.2018).
9. Eitel A., Springenberg J.T., Spinello L., Riedmiller M., Burgard W. Multimodal deep learning for robust RGB-D object recognition [Электронный ресурс] // Cornell University Library – arXiv.org. URL: https://arxiv.org/pdf/1507.06821.pdf (дата обращения 08.12.2018).
10. Szegedy C. et al. Going deeper with convolutions // Proceedings of the IEEE Conference on Computer Vision and pattern recognition. 2015. P. 1–9.
11. Андреев А.М., Березкин Д.В., Симаков К.В. Метод обучения модели извлечения знаний из естественно-языковых текстов // Вестник Московского государственного технического университета им. Н.Э. Баумана. Сер. «Приборостроение». 2007. № 3.
12. Березкин Д.В. Метод автоматизированного извлечения знаний из слабоструктурированных источников и его применение для создания корпоративных информационных систем [Электронный ресурс] / URL: http://www.raai.org/resurs/ papers/kolomna2009/doklad/Berezkin.doc.
13. Андреев А.М., Березкин Д.В., Брик А.В., Смирнов Ю.М. Использование статистических методов для создания лингвистического обеспечения информационно-поисковой системы // Вестник Московского государственного технического университета им. Н.Э. Баумана. Сер. «Приборостроение». 2001. № 2.
14. Свидетельство о гос. регистрации программ для ЭВМ № 2014617202. Система привязки событий, упоминаемых в текстах документах, к географическим объектам / А.М. Андреев, Д.В. Березкин, К.В. Симаков. Заявл. 23.05.2014.
15. Андреев А.М. и др. Использование технологии Semantic Web в системе поиска несоответствий в текстах документов [Электронный ресурс] / URL: http://www. inteltec.ru/publish/articles/textan/rimar_RCDL2006.shtml.
16. Березкин Д.В. Технология управления разнородными знаниями // Материалы 2-го Междунар. Поспеловского симпозиума «Гибридные и синергетические интеллектуальные системы» / Под ред. А.В. Колесникова. Калининград: Изд-во БФУ им. И. Канта. 2014. С. 45–53.
17. Xu W.J., Dong Y.C., Xiao W.L. Is it reasonable for Saaty's consistency test in the pairwise comparison method? // ISECS International Colloquium on Computing, Communication, Control, and Management. 2008. IEEE. 2008. V. 3. P. 294–298.
18. Riza S.P., Murtuzayeva M. Application Saaty pair comparisons method to the investments distribution in parameters of ecological sustainability // Problems of Cybernetics and Informatics (PCI). 2012 IV International Conference. IEEE. 2012. P. 1–3.
19. Tang K. et al. Improving image classification with location context // Proceedings of the IEEE International Conference on Computer Vision. 2015. P. 1008–1016.
20. Hays J., Efros A.A. IM2GPS: estimating geographic information from a single image // IEEE Conference on Computer Vision and Pattern Recognition. 2008. P. 1–8.