معرفی یک رویکرد یادگیری عمیق مبتنی بر بلوک های تخصصی کانولوشن در استخراج جاده های شهری
- سال انتشار: 1402
- محل انتشار: پنجمین کنفرانس بین المللی عمران، معماری، شهرسازی با رویکرد توسعه زیرساخت های شهری
- کد COI اختصاصی: CAUPCONF05_022
- زبان مقاله: فارسی
- تعداد مشاهده: 61
نویسندگان
دانشجوی کارشناسی ارشد سنجش از دور، گروه مهندسی نقشه برداری، دانشکده عمران، دانشگاه تربیت دبیر شهید رجایی
چکیده
استخراج جاده ها از تصاویر سنجش از دور با وضوح زیاد در طیف گسترده ای از کاربردها مانند مدیریت ترافیک، رانندگی مستقل، برنامه ریزی مسیر و ناوبری جاده حیاتی است. به دلیل شکل بلند و نازک و همچنین سایه های ناشی از پوشش گیاهی و ساختمان ها، تشخیص جاده ها با چالش همراه است. به منظور بهبود قابلیت اطمینان و دقت استخراج جاده های کوچک در زمانی که جاده هایی با اندازه های گوناگون وجود دارند؛ یک مدل شبکه عصبی در این مقاله پیشنهاد شده است که به قطعه بندی دقیق پیکسلی دست می یابد. شبکه پیشنهادی به طور مستقیم تصویر ورودی را پردازش می کند و از چهار بلوک کانولوشن تخصصی (SCB) در طول نمونه برداری کاهشی استفاده می کند که با رویکرد نمونه برداری با عمق کم برای تولید یک ماسک باینری برای کلاس جاده تکمیل می شود. قابلیت اجرایی مدل پیشنهادی در این تحقیق با استفاده از مجموعه داده ماساچوست ارزیابی گردید و نتایج ارزیابی به وضوح عملکرد برتر مدل پیشنهادی را در مقایسه با سایر شبکه های عصبی با پارامترهای کمتر نشان می دهد. مدل پیشنهادی توانست شاخص-های IOU و -F-Score را در مجموعه داده ماساچوست به ترتیب به میزان ۱.۹۸ و ۳.۰۳ بهبود بخشد.کلیدواژه ها
قطعه بندی معنایی، استخراج جاده، تصاویر سنجش از دور، تابع زیاناطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.