Хорошие продукты и сервисы
Наш Поиск (введите запрос без опечаток)
Наш Поиск по гостам (введите запрос без опечаток)
Поиск
Поиск
Бизнес гороскоп на текущую неделю c 29.12.2025 по 04.01.2026
Открыть шифр замка из трёх цифр с ограничениями

ГОСТ Р 70321.5-2022; Страница 3

или поделиться

Ещё ГОСТы из 41757, используйте поиск в верху страницы ГОСТ IEC TR 60269-5-2022 Предохранители плавкие низковольтные. Часть 5. Руководство по применению Low-voltage fuses. Part 5. Guidance for the application (Настоящий стандарт является руководством по применению низковольтных плавких предохранителей с указанием по применению токоограничивающих плавких предохранителей для защиты современного сложного и чувствительного электротехнического и электронного оборудования. Настоящий стандарт распространяется на низковольтные плавкие предохранители до 1000 В переменного тока и 1500 В постоянного тока, разработанные и производимые в соответствии с требованиями серии стандартов IEC 60269) ГОСТ Р 70321.2-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для определения типов жилых зданий на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for classifying types of residential buildings on satellite images obtained from optical-electronic observation satellites. Typical testing procedure (Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для определения типов жилых зданий (далее – алгоритмы ИИ) на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки)) ГОСТ Р 70321.7-2022 Технологии искусственного интеллекта для обработки данных дистанционного зондирования Земли. Алгоритмы искусственного интеллекта для определения типов объектов дорожно-транспортной сети на космических снимках, получаемых с космических аппаратов оптико-электронного наблюдения. Типовая методика проведения испытаний Artificial intelligence technologies for processing of Earth remote sensing data. Artificial intelligence algorithms for classification types of objects of road networks on satellite images obtained from optical-electronic observation satellites. Typical testing procedure (Настоящий стандарт распространяется на алгоритмы искусственного интеллекта для определения типов объектов дорожно-транспортной сети (далее – алгоритмы ИИ) на космических снимках по ГОСТ Р 59753–2021 (статья 32), получаемых с космических аппаратов оптико-электронного наблюдения в видимом и ближнем инфракрасном диапазонах (далее – снимки). Настоящий стандарт устанавливает типовую методику проведения испытаний при оценке функциональной корректности по ГОСТ Р 59898–2021 (8.2.3). Настоящий стандарт может быть применен при испытаниях алгоритмов ИИ при проведении оценки соответствия первой, второй или третьей сторон по ГОСТ ISO/IEC 17000. Настоящий стандарт также может быть применен при автономных предварительных и приемочных испытаниях по ГОСТ Р 59792 алгоритмов ИИ, входящих в состав автоматизированных систем. Настоящий стандарт предназначен для применения всеми организациями, участвующими в испытаниях алгоритмов ИИ, независимо от их вида и размера. Типовая методика проведения испытаний алгоритмов ИИ для распознавания объектов дорожно-транспортной сети на снимках установлена в ГОСТ Р 70321.6)
Страница 3
Страница 1 Untitled document
ГОСТ Р 70321.52022
Введение
Настоящий стандарт входит в серию стандартов «Технологии искусственного интеллекта для об
работки данных дистанционного зондирования Земли».
Настоящий стандарт развивает положения ГОСТ Р 59898 применительно к оценке функциональ
ной корректности алгоритмов искусственного интеллекта для определения характеристик древесно
кустарниковой растительности на космических снимках по ГОСТ Р 597532021 (статья 32), получае
мых с космических аппаратов оптиколектронного наблюдения в видимом и ближнем инфракрасном
диапазонах.
Определение характеристик древесно-кустарниковой растительности может осуществляться,
например:
- при территориальном планировании, землепользовании и застройке [1];
- планировке и застройке городских и сельских поселений по СП 42.13330;
- благоустройстве территорий поселений, городских округов, внутригородских районов [2];
- благоустройстве территорий муниципальных образований [3];
- градостроительном проектировании и благоустройстве парков по СП 475.1325800;
- планировании мелиорации земель [4];
- использовании и освоении лесов [5] [7];
- актуализации цифровых двойников городов и населенных пунктов;
- для решения других задач.
Настоящий стандарт разработан в целях унификации методов испытаний при оценке функцио
нальной корректности алгоритмов искусственного интеллекта для определения характеристик древес
но-кустарниковой растительности на космических снимках.